/ Модель

Характеристики

Контекст
512 токенов
Параметры
534 млн
Лицензия
MIT
Архитектура
deberta-v2 · dense
Опубликована
14 апр 2024

MiniCheck-DeBERTa-v3-Large

Классификация текстаТекст → label8 профессий

Модель проверяет, подтверждается ли отдельное утверждение содержанием исходного документа, и возвращает бинарную метку.

5 179скачиваний за 30 дней4лайкавеса обновлены22 сен 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

MiniCheck-DeBERTa-v3-Large — англоязычная модель для проверки фактической обоснованности утверждений по исходному документу, разработанная авторами работы MiniCheck: Efficient Fact-Checking of LLMs on Grounding Documents. Это дообученная для классификации последовательностей модель DeBERTa-v3-Large с 533,8 млн параметров и контекстом 512 токенов. На вход подаются документ и отдельное утверждение; модель выдаёт бинарную метку: 1, если утверждение подтверждается документом, и 0, если нет.

Модель предназначена для проверки фактов в ответах языковых моделей и оценки того, насколько отдельные предложения опираются на предоставленные источники. Авторы сообщают, что на бенчмарке LLM-AggreFact она превзошла другие специализированные фактчекеры сопоставимого размера. Обучение включало данные ANLI и синтетические примеры. Модель использует PyTorch и распространяется по лицензии MIT.

Проверка выполняется на уровне предложений и требует документа-основания; модель сама по себе не подтверждает утверждения с помощью внешних источников. Авторы оценивали её на реальных утверждениях без искусственно внесённых типов ошибок, поэтому результаты на таких изменённых примерах не охарактеризованы.

Сценарии применения

  • проверка фактов в ответах языковой модели по предоставленным документам
  • поиск неподтверждённых предложений в сгенерированном ответе
  • оценка опоры ответа на внутренние документы
  • автоматическая проверка утверждений в сводках и отчётах

Ограничения

Модель проверяет отдельные предложения относительно предоставленного документа и не выполняет самостоятельный поиск источников. Авторы не оценивали её на утверждениях с искусственно внесёнными типами ошибок.

Для каких профессий подходит8

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

MiniCheck-DeBERTa-v3-Large

Colab

This is a fact-checking model from our work:

📃 MiniCheck: Efficient Fact-Checking of LLMs on Grounding Documents (EMNLP 2024, GitHub Repo)

The model is based on DeBERTa-v3-Large that predicts a binary label - 1 for supported and 0 for unsupported. The model is doing predictions on the sentence-level. It takes as input a document and a sentence and determine whether the sentence is supported by the document: MiniCheck-Model(document, claim) -> {0, 1}

MiniCheck-DeBERTa-v3-Large is fine tuned from microsoft/deberta-v3-large (He et al., 2023) on the combination of 35K data:

  • 21K ANLI data (Nie et al., 2020)
  • 14K synthetic data generated from scratch in a structed way (more details in the paper).

Model Variants

Model Performance

The performance of these models is evaluated on our new collected benchmark (unseen by our models during training), LLM-AggreFact, from 11 recent human annotated datasets on fact-checking and grounding LLM generations. MiniCheck-DeBERTa-v3-Large outperform all exisiting specialized fact-checkers with a similar scale. See full results in our work.

Note: We only evaluated the performance of our models on real claims -- without any human intervention in any format, such as injecting certain error types into model-generated claims. Those edited claims do not reflect LLMs' actual behaviors.

Model Usage Demo

Please run the following command to install the MiniCheck package and all necessary dependencies.

pip install "minicheck @ git+https://github.com/Liyan06/MiniCheck.git@main"

Below is a simple use case

from minicheck.minicheck import MiniCheck
import os
os.environ["CUDA_VISIBLE_DEVICES"] = "0"

doc = "A group of students gather in the school library to study for their upcoming final exams."
claim_1 = "The students are preparing for an examination."
claim_2 = "The students are on vacation."

# model_name can be one of ['roberta-large', 'deberta-v3-large', 'flan-t5-large', 'Bespoke-MiniCheck-7B']
scorer = MiniCheck(model_name='deberta-v3-large', cache_dir='./ckpts')
pred_label, raw_prob, _, _ = scorer.score(docs=[doc, doc], claims=[claim_1, claim_2])

print(pred_label) # [1, 0]
print(raw_prob)   # [0.9786180257797241, 0.01138285268098116]

Test on our LLM-AggreFact Benchmark

import pandas as pd
from datasets import load_dataset
from minicheck.minicheck import MiniCheck
import os
os.environ["CUDA_VISIBLE_DEVICES"] = "0"

# load 29K test data
df = pd.DataFrame(load_dataset("lytang/LLM-AggreFact")['test'])
docs = df.doc.values
claims = df.claim.values

scorer = MiniCheck(model_name='deberta-v3-large', cache_dir='./ckpts')
pred_label, raw_prob, _, _ = scorer.score(docs=docs, claims=claims)  # ~ 800 docs/min, depending on hardware

To evalaute the result on the benchmark

from sklearn.metrics import balanced_accuracy_score

df['preds'] = pred_label
result_df = pd.DataFrame(columns=['Dataset', 'BAcc'])
for dataset in df.dataset.unique():
    sub_df = df[df.dataset == dataset]
    bacc = balanced_accuracy_score(sub_df.label, sub_df.preds) * 100
    result_df.loc[len(result_df)] = [dataset, bacc]
result_df.loc[len(result_df)] = ['Average', result_df.BAcc.mean()]
result_df.round(1)

Citation

@InProceedings{tang-etal-2024-minicheck,
  title = {MiniCheck: Efficient Fact-Checking of LLMs on Grounding Documents},
  author = {Liyan Tang and Philippe Laban and Greg Durrett},
  booktitle = {Proceedings of the 2024 Conference on Empirical Methods in Natural Language Processing},
  year = {2024},
  publisher = {Association for Computational Linguistics},
  url = {https://arxiv.org/pdf/2404.10774}
}

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
DebertaV2ForSequenceClassification
Ревизия весов
2f2d01a

0 моделей