/ Модель

Характеристики

Контекст
514 токенов
Параметры
152 млн
Лицензия
MIT
Архитектура
roberta · dense
Базовая модель
roberta-base
Библиотека
sentence-transformers
Опубликована
17 июл 2024

styledistance

ЭмбеддингиТекст → embedding3 профессии

Англоязычная модель эмбеддингов для сравнения текстов по стилю письма независимо от их содержания.

37 051скачиваний за 30 дней17лайковвеса обновлены21 фев 2025

Бенчмарки

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

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Эмбеддинги» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

StyleDistance — англоязычная модель эмбеддингов стиля текста, представленная в работе «StyleDistance: Stronger Content-Independent Style Embeddings with Synthetic Parallel Examples». Модель создана дообучением RoBERTa-base и распространяется в формате safetensors через библиотеку Sentence Transformers. В ней около 151,8 млн параметров, контекст — до 514 токенов; лицензия MIT.

Модель кодирует тексты так, чтобы примеры со схожим стилем письма располагались близко в векторном пространстве, а тексты с разным стилем — далеко, независимо от их содержания. Её обучали контрастивно на синтетических примерах 40 стилистических признаков и на реальных данных об авторстве из Reddit. Эмбеддинги подходят для стилистического анализа и группировки текстов, установления и проверки авторства, а также автоматической оценки переноса стиля.

Сценарии применения

  • сравнение текстов по сходству стиля письма
  • кластеризация документов по стилистическим признакам
  • анализ авторского стиля
  • установление вероятного авторства текстов
  • проверка авторства по образцам текста
  • автоматическая оценка переноса стиля

Ограничения

Модель ориентирована на англоязычный текст; для надёжных результатов следует учитывать ограничение контекста в 514 токенов. Эмбеддинги отражают сходство стиля, а не подтверждают авторство сами по себе.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Card

This repository contains the model introduced in StyleDistance: Stronger Content-Independent Style Embeddings with Synthetic Parallel Examples.

StyleDistance is a style embedding model that aims to embed texts with similar writing styles closely and different styles far apart, regardless of content. You may find this model useful for stylistic analysis of text, clustering, authorship identfication and verification tasks, and automatic style transfer evaluation.

Training Data and Variants of StyleDistance

StyleDistance was contrastively trained on SynthSTEL, a synthetically generated dataset of positive and negative examples of 40 style features being used in text. By utilizing this synthetic dataset, StyleDistance is able to achieve stronger content-independence than other style embeddding models currently available. This particular model was trained using a combination of the synthetic dataset and a real dataset that makes use of authorship datasets from Reddit to train style embeddings. For a version that is purely trained on synthetic data, see this other version of StyleDistance.

Example Usage

from sentence_transformers import SentenceTransformer
from sentence_transformers.util import cos_sim

model = SentenceTransformer('StyleDistance/styledistance') # Load model

input = model.encode("Did you hear about the Wales wing? He'll h8 2 withdraw due 2 injuries from future competitions.")
others = model.encode(["We're raising funds 2 improve our school's storage facilities and add new playground equipment!", "Did you hear about the Wales wing? He'll hate to withdraw due to injuries from future competitions."])
print(cos_sim(input, others))

Citation

@misc{patel2025styledistancestrongercontentindependentstyle,
      title={StyleDistance: Stronger Content-Independent Style Embeddings with Synthetic Parallel Examples}, 
      author={Ajay Patel and Jiacheng Zhu and Justin Qiu and Zachary Horvitz and Marianna Apidianaki and Kathleen McKeown and Chris Callison-Burch},
      year={2025},
      eprint={2410.12757},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2410.12757}, 
}

Trained with DataDreamer

This model was trained with a synthetic dataset with DataDreamer 🤖💤. The synthetic dataset card and model card can be found here. The training arguments can be found here.


Funding Acknowledgements

This research is supported in part by the Office of the Director of National Intelligence (ODNI), Intelligence Advanced Research Projects Activity (IARPA), via the HIATUS Program contract #2022-22072200005. The views and conclusions contained herein are those of the authors and should not be interpreted as necessarily representing the official policies, either expressed or implied, of ODNI, IARPA, or the U.S. Government. The U.S. Government is authorized to reproduce and distribute reprints for governmental purposes notwithstanding any copyright annotation therein.

Как запустить

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

GPU в ailist

Универсальный рантайм · sentence-transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
RobertaModel
Ревизия весов
b7df5f0

0 моделей