/ Модель

Характеристики

Контекст
514 токенов
Параметры
454 млн
Архитектура
roberta · dense
Опубликована
2 мар 2022

superpal

Классификация текстаТекст → label4 профессии

SuperPAL — модель на базе RoBERTa для классификации согласованности утверждений резюме с исходным текстом.

365скачиваний за 30 дней0лайковвеса обновлены18 июн 2022

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

SuperPAL — модель для классификации текстовых последовательностей, опубликованная группой BIU-NLP. Она основана на архитектуре RoBERTa и предназначена для оценки согласованности между резюме и отдельными утверждениями исходного текста — задачи Summary-Source Proposition-level Alignment. Модель содержит 454,1 млн параметров, принимает текстовые последовательности с контекстом до 514 токенов и доступна в формате PyTorch.

SuperPAL подходит для проверки, подтверждается ли утверждение в резюме соответствующим исходным материалом, например при анализе качества кратких изложений. Карточка ссылается на исследование 2021 года и не приводит лицензию, поэтому условия использования следует уточнить в репозитории или у разработчиков.

Сценарии применения

  • проверка подтверждения утверждений резюме источником
  • оценка согласованности краткого изложения с документом
  • классификация соответствия предложения резюме исходному тексту

Ограничения

Контекст ограничен 514 токенами. Лицензия и поддерживаемые языки в предоставленных данных не указаны.

Для каких профессий подходит4

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

SuperPAL model

Summary-Source Proposition-level Alignment: Task, Datasets and Supervised Baseline Ori Ernst, Ori Shapira, Ramakanth Pasunuru, Michael Lepioshkin, Jacob Goldberger, Mohit Bansal, Ido Dagan, 2021. PDF

How to use?

from transformers import AutoTokenizer, AutoModelForSequenceClassification
  
tokenizer = AutoTokenizer.from_pretrained("biu-nlp/superpal")

model = AutoModelForSequenceClassification.from_pretrained("biu-nlp/superpal")

The original repo is here.

If you find our work useful, please cite the paper as:

@inproceedings{ernst-etal-2021-summary,
  title = "Summary-Source Proposition-level Alignment: Task, Datasets and Supervised Baseline",
  author = "Ernst, Ori  and Shapira, Ori  and Pasunuru, Ramakanth  and Lepioshkin, Michael  and Goldberger, Jacob  and Bansal, Mohit  and Dagan, Ido", 
  booktitle = "Proceedings of the 25th Conference on Computational Natural Language Learning", 
  month = nov, 
  year = "2021", 
  publisher = "Association for Computational Linguistics", 
  url = "https://aclanthology.org/2021.conll-1.25", 
  pages = "310--322"
}

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
RobertaForSequenceClassification
Ревизия весов
a0383ea

0 моделей