ZSD Microsoft V2xxlmnli

🚀 DeBERTa: 分離型アテンションを用いたデコード強化型BERT

DeBERTa は、分離型アテンションと強化型マスクデコーダを用いて、BERTとRoBERTaモデルを改善します。80GBの学習データを用いて、大多数の自然言語理解（NLU）タスクにおいて、BERTやRoBERTaを上回る性能を発揮します。 詳細と更新情報については、公式リポジトリ をご確認ください。 これは、MNLIタスクでファインチューニングされたDeBERTa largeモデルです。

🚀 クイックスタート

このモデルは、自然言語理解タスクにおいて優れた性能を発揮するDeBERTaモデルの一つです。以下に、NLUタスクでのファインチューニング結果を示します。

✨ 主な機能

• 分離型アテンションと強化型マスクデコーダを用いて、BERTやRoBERTaを上回る性能を発揮します。
• 80GBの学習データを用いて、大多数のNLUタスクで高い精度を達成します。

📚 ドキュメント

自然言語理解タスクでのファインチューニング

SQuAD 1.1/2.0およびいくつかのGLUEベンチマークタスクでの開発結果を示します。

注釈

• ¹ RoBERTaに従い、RTE、MRPC、STS-Bについては、DeBERTa-Large-MNLI、DeBERTa-XLarge-MNLI、DeBERTa-V2-XLarge-MNLI、DeBERTa-V2-XXLarge-MNLI をベースにタスクをファインチューニングします。SST-2/QQP/QNLI/SQuADv2の結果も、MNLIでファインチューニングされたモデルから始めるとわずかに改善されますが、これら4つのタスクについては、事前学習されたベースモデルからファインチューニングされた数値のみを報告します。
• ² XXLarge モデルを HF transformers で試すには、--sharded_ddp を指定する必要があります。

cd transformers/examples/text-classification/
export TASK_NAME=mrpc
python -m torch.distributed.launch --nproc_per_node=8 run_glue.py   --model_name_or_path microsoft/deberta-v2-xxlarge   \
--task_name $TASK_NAME   --do_train   --do_eval   --max_seq_length 128   --per_device_train_batch_size 4   \
--learning_rate 3e-6   --num_train_epochs 3   --output_dir /tmp/$TASK_NAME/ --overwrite_output_dir --sharded_ddp --fp16

引用

もしあなたの研究にDeBERTaが役立った場合、以下の論文を引用してください。

@inproceedings{
he2021deberta,
title={DEBERTA: DECODING-ENHANCED BERT WITH DISENTANGLED ATTENTION},
author={Pengcheng He and Xiaodong Liu and Jianfeng Gao and Weizhu Chen},
booktitle={International Conference on Learning Representations},
year={2021},
url={https://openreview.net/forum?id=XPZIaotutsD}
}

📄 ライセンス

このプロジェクトは、MITライセンスの下でライセンスされています。