/ Модель

Характеристики

Контекст
514 токенов
Параметры
659 млн
Архитектура
xlm-roberta · dense
Опубликована
1 дек 2023

alime-reranker-large-zh

Классификация текстаТекст → label6 профессий

Крупный текстовый реранжировщик на базе XLM-RoBERTa для оценки релевантности и сортировки текстовых кандидатов.

23скачиваний за 30 дней9лайковвеса обновлены1 дек 2023

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

alime-reranker-large-zh — модель-реранжировщик для оценки и переупорядочивания текстовых кандидатов по релевантности. Карточка называет её reranker; по метаданным это плотная модель XLM-RoBERTa с классификационной головой XLMRobertaForSequenceClassification на 658,7 млн параметров, предназначенная для классификации текста. Репозиторий содержит веса PyTorch.

Модель может применяться для сортировки результатов поиска или документов по их соответствию запросу. Суффикс zh указывает на ориентацию на китайский язык, однако карточка не приводит подробностей об обучении, метриках или поддерживаемых языках.

Родительская модель, лицензия и явные ограничения в доступных данных не указаны.

Сценарии применения

  • переупорядочивание документов по релевантности запросу
  • повышение точности выдачи поисковой системы
  • ранжирование текстовых кандидатов для ответа на вопрос

Ограничения

В карточке нет метрик качества, описания обучения или подтверждённого перечня языков. Контекст модели ограничен 514 токенами.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

alime-reranker-large-zh

The alime reranker model.

Usage


from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

pairs = [["西湖在哪?", "西湖风景名胜区位于浙江省杭州市"],["今天天气不错","你吓死我了"]]

if torch.cuda.is_available():
    device = torch.device("cuda")
else:
    device = torch.device("cpu")

tokenizer = AutoTokenizer.from_pretrained("Pristinenlp/alime-reranker-large-zh")
model = AutoModelForSequenceClassification.from_pretrained("Pristinenlp/alime-reranker-large-zh").to(device)

inputs = tokenizer(pairs, padding=True, truncation=True, return_tensors='pt', max_length=512).to(device)
scores = model(**inputs, return_dict=True).logits.view(-1, ).float()
print(scores.tolist())

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
XLMRobertaForSequenceClassification
Ревизия весов
1a4ceba

0 моделей