/ Модель

Характеристики

Контекст
514 токенов
Параметры
454 млн
Лицензия
Apache 2.0
Архитектура
roberta · dense
Базовая модель
roberta-large
Библиотека
sentence-transformers
Опубликована
2 мар 2022

quora-roberta-large

Ранжирование текстаТекст → score4 профессии

Англоязычный cross-encoder на базе RoBERTa оценивает вероятность того, что два вопроса являются дубликатами.

376скачиваний за 30 дней4лайкавеса обновлены11 апр 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 «Ранжирование» — 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

cross-encoder/quora-roberta-large — англоязычная модель cross-encoder, разработанная на базе FacebookAI/roberta-large и обученная с помощью SentenceTransformers на датасете Quora Duplicate Questions. Она оценивает пару вопросов и выдаёт число от 0 до 1, отражающее вероятность того, что вопросы являются дубликатами. Модель предназначена для поиска повторяющихся вопросов и ранжирования кандидатов по вероятности дублирования.

Модель содержит 454,1 млн параметров, использует архитектуру RoBERTa для классификации последовательностей и принимает текстовые пары; заявленный контекст составляет 514 токенов. Доступны веса в форматах PyTorch, Safetensors, ONNX, OpenVINO и Flax. Лицензия — Apache-2.0.

Оценка ориентирована именно на дублирование, а не на общую семантическую близость: вопросы о том, как выучить Java и Python, могут получить низкий балл, хотя темы похожи. Качество вне задачи обнаружения дубликатов вопросов Quora не подтверждено.

Сценарии применения

  • поиск повторяющихся вопросов в базе знаний
  • ранжирование похожих вопросов по вероятности дублирования
  • обнаружение дубликатов вопросов Quora

Ограничения

Модель предназначена для выявления дубликатов, а не для оценки общей семантической похожести; тематически близкие вопросы могут получить низкий балл. Её применение за пределами обнаружения дубликатов вопросов не подтверждено.

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

Cross-Encoder for Quora Duplicate Questions Detection

This model was trained using SentenceTransformers Cross-Encoder class.

Training Data

This model was trained on the Quora Duplicate Questions dataset. The model will predict a score between 0 and 1 how likely the two given questions are duplicates.

Note: The model is not suitable to estimate the similarity of questions, e.g. the two questions "How to learn Java" and "How to learn Python" will result in a rather low score, as these are not duplicates.

Usage and Performance

Pre-trained models can be used like this:

from sentence_transformers import CrossEncoder

model = CrossEncoder('cross-encoder/quora-roberta-large')
scores = model.predict([('Question 1', 'Question 2'), ('Question 3', 'Question 4')])

You can use this model also without sentence_transformers and by just using Transformers AutoModel class

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
RobertaForSequenceClassification
Ревизия весов
d3f224f

0 моделей