electra-base-discriminator 模型参数、许可证与获取服务

中文简介

google/electra-base-discriminator 是 google 在 Hugging Face 发布的模型仓库，当前卡片主要关联上游卡片所列任务。本站固定记录上游版本 1ae76a97c7e8，同步到 10 个文件，文件元数据合计 2.05 GB；访问状态为“公开”，许可证字段为“apache-2.0”。

UPSTREAM README

上游模型卡 / 数据集卡

在 Hugging Face 查看原文 ↗

简体中文（默认）上游原文

【README 卡片中文译介】

以下内容依据上游仓库 google/electra-base-discriminator 的固定版本 README、卡片字段和文件元数据进行中文结构化整理。它保留便于选型的关键信息，完整技术细节、代码示例和许可文本请同时查看上游原文。

【资源概览】
google/electra-base-discriminator 是 google 在 Hugging Face 发布的模型仓库，当前卡片主要关联上游卡片所列任务。本站固定记录上游版本 1ae76a97c7e8，同步到 10 个文件，文件元数据合计 2.05 GB；访问状态为“公开”，许可证字段为“apache-2.0”。

【适用方向】
适合在真实样本上评估上游卡片所列任务能力，并比较质量、时延和资源消耗。建议先用小规模样本验证推理框架、输入输出格式和任务指标，再决定是否进入完整权重获取、量化或部署评估。

【版本与规格】
固定版本：1ae76a97c7e8。任务标签：上游卡片所列任务。语言字段：en。架构：ElectraForPreTraining。库标记：transformers。模型类型字段：electra。上游页面记录的最近更新时间：2024-02-29。

【文件信息】
上游 API 返回 10 个文件，文件元数据合计 2.05 GB。已保存文件清单中的主要扩展名：.json 3 个、.bin 1 个、.h5 1 个、.md 1 个、.msgpack 1 个、.ot 1 个。当前较大的文件包括：rust_model.ot（419.95 MB）；pytorch_model.bin（419.94 MB）；tf_model.h5（417.90 MB）。

【运行或处理环境】
仓库文件元数据合计 2.05 GB。实际显存与内存由精度、量化方式、上下文长度、批量、并发、MoE 专家加载方式和推理框架共同决定，不能只凭参数名或仓库大小作部署承诺；应在目标格式和目标硬件上实测。

【使用边界】
许可证显示为“apache-2.0”，具体用途限制、附加政策和归属要求仍以上游原文为准。模型输出、工具调用和生成内容可能出现错误、偏见或安全风险，面向业务前应建立任务级评测、权限隔离和人工确认。

已有简体中文译文 · Codex 基于固定版本 README 与上游元数据生成中文结构化译介 · 2026-07-26 00:51

ELECTRA: Pre-training Text Encoders as Discriminators Rather Than Generators ELECTRA** is a new method for self-supervised language representation learning. It can be used to pre-train transformer networks using relatively little compute. ELECTRA models are trained to distinguish "real" input tokens vs "fake" input tokens generated by another neural network, similar to the discriminator of a GAN. At small scale, ELECTRA achieves strong results even when trained on a single GPU. At large scale, ELECTRA achieves state-of-the-art results on the SQuAD 2.0 dataset. For a detailed description and experimental results, please refer to our paper ELECTRA: Pre-training Text Encoders as Discriminators Rather Than Generators. This repository contains code to pre-train ELECTRA, including small ELECTRA models on a single GPU. It also supports fine-tuning ELECTRA on downstream tasks including classification tasks (e.g,. GLUE), QA tasks (e.g., SQuAD), and sequence tagging tasks (e.g., text chunking). How to use the discriminator in `transformers`

公开页仅展示原文摘录；完整模型卡或数据集卡请前往上游仓库查看。

适用场景

适合在真实样本上评估上游卡片所列任务能力，并比较质量、时延和资源消耗。建议先用小规模样本验证推理框架、输入输出格式和任务指标，再决定是否进入完整权重获取、量化或部署评估。

模型参数

固定版本：1ae76a97c7e8。任务标签：上游卡片所列任务。语言字段：en。架构：ElectraForPreTraining。库标记：transformers。模型类型字段：electra。上游页面记录的最近更新时间：2024-02-29。

文件说明

上游 API 返回 10 个文件，文件元数据合计 2.05 GB。已保存文件清单中的主要扩展名：.json 3 个、.bin 1 个、.h5 1 个、.md 1 个、.msgpack 1 个、.ot 1 个。当前较大的文件包括：rust_model.ot（419.95 MB）；pytorch_model.bin（419.94 MB）；tf_model.h5（417.90 MB）。

上游文件元数据

以下仅为 Hugging Face 官方 API 返回的文件名与大小元数据，官网没有下载或托管这些文件。

.gitattributes390 B
config.json666 B
flax_model.msgpack417.65 MB
pytorch_model.bin419.94 MB
README.md2.15 KB
rust_model.ot419.95 MB
tf_model.h5417.90 MB
tokenizer.json455.14 KB
tokenizer_config.json48 B
vocab.txt226.08 KB

硬件建议

仓库文件元数据合计 2.05 GB。实际显存与内存由精度、量化方式、上下文长度、批量、并发、MoE 专家加载方式和推理框架共同决定，不能只凭参数名或仓库大小作部署承诺；应在目标格式和目标硬件上实测。

注意事项

许可证显示为“apache-2.0”，具体用途限制、附加政策和归属要求仍以上游原文为准。模型输出、工具调用和生成内容可能出现错误、偏见或安全风险，面向业务前应建立任务级评测、权限隔离和人工确认。

获取、校验与交付

咨询此资源时只需发送本页链接或资源准确全称。橙子AI科技会继续核对版本、文件与类型、README资料卡、许可证和访问条件，并在合法访问权限、许可证及平台规则允许的前提下，协助海内外下载、完整性校验及网盘或硬盘交付；本官网本身不托管或下载资源文件。

第三方资源声明

本页面为橙子AI科技基于固定版本上游卡片整理的中文信息与服务说明，不代表资源作者或平台官方页面。实际许可、访问和使用条件以上游原文为准。