模型:
IDEA-CCNL/Erlangshen-Roberta-330M-NLI
中文的RoBERTa-wwm-ext-large在数个推理任务微调后的版本
这是中文RoBERTa-wwm-ext-large模型在多个自然语言推理数据集上微调的版本。
需求 Demand | 任务 Task | 系列 Series | 模型 Model | 参数 Parameter | 额外 Extra |
---|---|---|---|---|---|
通用 General | 自然语言理解 NLU | 二郎神 Erlangshen | Roberta | 330M | 中文-自然语言推断 Chinese-NLI |
基于 chinese-roberta-wwm-ext-large ,我们在收集的4个中文领域的NLI(自然语言推理)数据集,总计1014787个样本上微调了一个NLI版本。
基于 chinese-roberta-wwm-ext-large ,我们在4个中文自然语言推理(NLI)数据集上微调了一个模型,共计1,014,787个样本。
模型 Model | cmnli | ocnli | snli |
---|---|---|---|
Erlangshen-Roberta-110M-NLI | 80.83 | 78.56 | 88.01 |
Erlangshen-Roberta-330M-NLI | 82.25 | 79.82 | 88 |
Erlangshen-MegatronBert-1.3B-NLI | 84.52 | 84.17 | 88.67 |
from transformers import BertForSequenceClassification from transformers import BertTokenizer import torch tokenizer=BertTokenizer.from_pretrained('IDEA-CCNL/Erlangshen-Roberta-330M-NLI') model=BertForSequenceClassification.from_pretrained('IDEA-CCNL/Erlangshen-Roberta-330M-NLI') texta='今天的饭不好吃' textb='今天心情不好' output=model(torch.tensor([tokenizer.encode(texta,textb)])) print(torch.nn.functional.softmax(output.logits,dim=-1))
如果您在您的工作中使用了我们的模型,可以引用我们的 论文 :
如果您在您的工作中使用了我们的资源,请引用我们的 paper :
@article{fengshenbang, author = {Jiaxing Zhang and Ruyi Gan and Junjie Wang and Yuxiang Zhang and Lin Zhang and Ping Yang and Xinyu Gao and Ziwei Wu and Xiaoqun Dong and Junqing He and Jianheng Zhuo and Qi Yang and Yongfeng Huang and Xiayu Li and Yanghan Wu and Junyu Lu and Xinyu Zhu and Weifeng Chen and Ting Han and Kunhao Pan and Rui Wang and Hao Wang and Xiaojun Wu and Zhongshen Zeng and Chongpei Chen}, title = {Fengshenbang 1.0: Being the Foundation of Chinese Cognitive Intelligence}, journal = {CoRR}, volume = {abs/2209.02970}, year = {2022} }
也可以引用我们的 网站 :
也可以引用我们的 website :
@misc{Fengshenbang-LM, title={Fengshenbang-LM}, author={IDEA-CCNL}, year={2021}, howpublished={\url{https://github.com/IDEA-CCNL/Fengshenbang-LM}}, }