/ Модель

Характеристики

Контекст
512 токенов
Параметры
137 млн
Архитектура
bert · dense

bert-base-uncased-MNLI

Классификация текстаТекст → label3 профессии

Дообученная на MNLI модель BERT классифицирует отношение между предпосылкой и гипотезой как следование, нейтральность или противоречие.

49 869скачиваний за 30 дней2лайкавеса обновлены20 мая 2021

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

textattack/bert-base-uncased-MNLI — модель классификации пар предложений, опубликованная TextAttack. Она основана на BERT base uncased и дообучена для распознавания текстовых выводов (MNLI): по предпосылке и гипотезе предсказывает entailment, neutral или contradiction.

Модель содержит около 136,7 млн параметров, использует архитектуру BERT для классификации последовательностей и принимает текстовые пары с контекстом до 512 токенов. Доступны веса PyTorch и Flax. Подходит для задач вывода на английском языке, включая классификацию отношения между предложениями и zero-shot классификацию через формулировку задачи как проверки гипотез.

Это специализированный классификатор, а не генеративная модель; его метки и качество ограничены задачей и данными MNLI, поэтому он не предназначен для свободных ответов или надёжного понимания произвольных предметных областей. Условия лицензии в доступных сведениях не подтверждены.

Сценарии применения

  • проверка, следует ли гипотеза из текста
  • определение противоречия между двумя предложениями
  • классификация отношений между предпосылкой и гипотезой
  • zero-shot классификация текста через проверку гипотез

Ограничения

Модель специализирована на классификации пар предложений и трёх метках MNLI; она не генерирует свободный текст, а выводы за пределами обучающей задачи могут быть ненадёжны.

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

Автор не опубликовал карточку модели.

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
BertForSequenceClassification
Ревизия весов
3a97f68

0 моделей