/ Модель

Характеристики

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

styledistance_synthetic_only

ЭмбеддингиТекст → embedding3 профессии

Англоязычная модель на базе RoBERTa создаёт эмбеддинги для сравнения и группировки текстов по стилю независимо от их содержания.

220скачиваний за 30 дней0лайковвеса обновлены30 окт 2024

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, разработанная проектом StyleDistance. Она преобразует тексты в векторы, в которых тексты с похожей манерой письма располагаются ближе друг к другу, а с разной манерой — дальше, стараясь отделять стиль от содержания. Модель дообучена контрастивным методом на синтетическом наборе SynthSTEL с примерами 40 стилевых признаков; этот вариант обучен только на синтетических данных.

Модель предназначена для стилистического анализа, кластеризации текстов по стилю, идентификации и верификации авторства, а также оценки автоматического переноса стиля. Архитектура основана на RoBERTa, размер составляет 151,8 млн параметров, максимальная длина контекста — 514 токенов. Репозиторий содержит веса в формате safetensors и рассчитан на использование через Sentence Transformers. Лицензия — MIT.

Сценарии применения

  • сравнение манеры письма двух текстов
  • кластеризация документов по стилю
  • идентификация автора по тексту
  • проверка авторства текста
  • оценка качества автоматического переноса стиля

Ограничения

Эта версия обучена только на синтетических данных, поэтому её качество на реальных текстах и для конкретных задач требует отдельной проверки. Контекст ограничен 514 токенами.

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

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 purely trained on synthetic data. For a version that is trained using a combination of the synthetic dataset and a real dataset that makes use of authorship datasets from Reddit to train style embeddings, see this other version of StyleDistance.

Example Usage

from sentence_transformers import SentenceTransformer
from sentence_transformers.util import cos_sim

model = SentenceTransformer('StyleDistance/styledistance_synthetic_only') # 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))

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
7921463

0 моделей