Gliclass Large V1.0 Init

🚀 ⭐ GLiClass: シーケンス分類のための汎用的で軽量なモデル

これは、GLiNERの研究に触発された効率的なゼロショット分類器です。分類が単一の順伝播で行われるため、クロスエンコーダと同じ性能を示しながらも、より計算効率が高いです。

このモデルは、トピック分類、感情分析、およびRAGパイプラインの再ランキングに使用できます。

このモデルは合成データで学習されており、商用アプリケーションで使用することができます。

このモデルは、初期のデータセット（MoritzLaurer/synthetic_zeroshot_mixtral_v0.1）以外のデータセットでは追加のファインチューニングは行われていません。

🚀 クイックスタート

📦 インストール

まず、GLiClassライブラリをインストールする必要があります。

pip install gliclass

💻 使用例

基本的な使用法

次に、モデルとパイプラインを初期化する必要があります。

from gliclass import GLiClassModel, ZeroShotClassificationPipeline
from transformers import AutoTokenizer

model = GLiClassModel.from_pretrained("knowledgator/gliclass-large-v1.0-init")
tokenizer = AutoTokenizer.from_pretrained("knowledgator/gliclass-large-v1.0-init")

pipeline = ZeroShotClassificationPipeline(model, tokenizer, classification_type='multi-label', device='cuda:0')

text = "One day I will see the world!"
labels = ["travel", "dreams", "sport", "science", "politics"]
results = pipeline(text, labels, threshold=0.5)[0] #because we have one text

for result in results:
 print(result["label"], "=>", result["score"])

📚 詳細ドキュメント

ベンチマーク

以下に、いくつかのテキスト分類データセットでのF1スコアを示します。すべてのテスト対象モデルは、これらのデータセットではファインチューニングされておらず、ゼロショット設定でテストされています。

📄 ライセンス

このモデルはApache-2.0ライセンスの下で提供されています。

その他の情報