Характеристики

Контекст: 512 токенов
Параметры: 212 млн
Лицензия: MIT
Архитектура: deberta-v2 · dense
Библиотека: transformers
Опубликована: 20 фев 2024

Ссылки

routing_module_action_question_conversation_move_hack_debertav3_nli

Классификация текстаТекст → label3 профессии

Англоязычная модель DeBERTa для классификации текстовых запросов по заданным категориям без обучения на этих категориях.

6 898скачиваний за 30 дней0лайковвеса обновлены27 фев 2024

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

Raffix/routing_module_action_question_conversation_move_hack_debertav3_nli — англоязычная модель классификации текста с нулевым обучением, опубликованная Raffix. Карточка Hugging Face указывает назначение zero-shot classification, архитектуру DeBERTa-v2 с головой классификации последовательностей и размер 211,6 млн параметров. По названию модель ориентирована на маршрутизацию запросов по категориям действий, вопросов, диалогов, перемещения и взлома, однако карточка не описывает эти категории отдельно.

Модель принимает текст и пригодна для присвоения входному тексту метки из заданного набора кандидатов без отдельного дообучения под эти метки. Контекст ограничен 512 токенами; заявлен английский язык. Опубликована под лицензией MIT. Карточка не приводит подробных оценок качества или ограничений помимо контекстного окна и языка.

Сценарии применения

маршрутизация англоязычных запросов в нужный модуль
классификация запросов по намерению
отнесение текста к категориям действий и вопросов
различение сообщений диалога и команд перемещения
классификация текста по пользовательским меткам

Ограничения

Поддерживаемый язык — английский, а контекст ограничен 512 токенами. Карточка не приводит метрик качества.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей I.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022модели II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Автор не опубликовал карточку модели.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: DebertaV2ForSequenceClassification
Ревизия весов: a221559