Polish Reranker Roberta V2

🚀 polish-reranker-roberta-v2

このモデルは、sdadas/polish-roberta-large-v2 をベースにしたリランカーの改良版です。大規模なテキストペアのデータセットを使用し、RankNet loss で学習されています。このモデルは、sdadas/polish-reranker-large-ranknet と同じ方法とデータで学習されていますが、以下の点で改良されています。

• BAAI/bge-reranker-v2.5-gemma2-lightweight の予測結果を蒸留に使用しており、unicamp-dl/mt5-13b-mmarco-100k を使用していません。
• Flash Attention 2 をサポートするカスタム版の RoBERTa モデルを使用しています。これらの機能を使用する場合は、trust_remote_code=True と attn_implementation="flash_attention_2" の引数を指定してモデルを読み込んでください。

このリランカーは、PIRB ベンチマークで BAAI/bge-reranker-v2.5-gemma2-lightweight に近い結果を達成しており、一部のデータセットではそれを上回っています。同時に、パラメータ数が 435M と 9.24B の BAAI/bge-reranker-v2.5-gemma2-lightweight の 21 倍以上小さいです。

🚀 クイックスタート

📦 インストール

このモデルは Huggingface Transformers と一緒に使用できます。必要な依存関係をインストールしてください。

💻 使用例

基本的な使用法

import torch
from transformers import AutoTokenizer, AutoModelForSequenceClassification
import numpy as np

query = "Jak dożyć 100 lat?"
answers = [
    "Trzeba zdrowo się odżywiać i uprawiać sport.",
    "Trzeba pić alkohol, imprezować i jeździć szybkimi autami.",
    "Gdy trwała kampania politycy zapewniali, że rozprawią się z zakazem niedzielnego handlu."
]

model_name = "sdadas/polish-reranker-roberta-v2"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSequenceClassification.from_pretrained(
    model_name,
    trust_remote_code=True,
    torch_dtype=torch.bfloat16,
    attn_implementation="flash_attention_2",
    device_map="cuda"
)
texts = [f"{query}</s></s>{answer}" for answer in answers]
tokens = tokenizer(texts, padding="longest", max_length=512, truncation=True, return_tensors="pt").to("cuda")
output = model(**tokens)
results = output.logits.detach().cpu().float().numpy()
results = np.squeeze(results)
print(results.tolist())

📚 ドキュメント

評価結果

このモデルは、ポーランド語の情報検索ベンチマークのリランカーカテゴリで NDCG@10 が 65.30 を達成しています。詳細な結果は PIRB Leaderboard を参照してください。

引用

@article{dadas2024assessing,
  title={Assessing generalization capability of text ranking models in Polish}, 
  author={Sławomir Dadas and Małgorzata Grębowiec},
  year={2024},
  eprint={2402.14318},
  archivePrefix={arXiv},
  primaryClass={cs.CL}
}

📄 ライセンス

このモデルは gemma ライセンスの下で提供されています。