Monoelectra Base

🚀 テキストランキング用クロスエンコーダ

このモデルは、lightning-irのwebis/monoelectra-baseモデルをSentence TransformersとTransformersに移植したものです。

元のモデルは論文A Systematic Investigation of Distilling Large Language Models into Cross-Encoders for Passage Re-rankingで紹介されました。元のモデルの学習に使用されたコードについては、https://github.com/webis-de/rank-distillm を参照してください。

このモデルは、2段階の「検索 - 再ランキング」パイプラインの再ランキング器として使用できます。クエリに対して、検索器モデル（例えば埋め込みモデルやBM25）が返したパッセージを並べ替えます。詳細については、SBERT.net Retrieve & Re-rankを参照してください。

🚀 クイックスタート

このモデルは、テキストランキングのタスクに使用できます。以下に、Sentence TransformersとTransformersを使用した具体的な使い方を説明します。

📦 インストール

Sentence Transformersを使用する場合、以下のコマンドでインストールできます。

pip install sentence-transformers

💻 使用例

基本的な使用法

Sentence Transformersを使用する場合

from sentence_transformers import CrossEncoder

model = CrossEncoder("cross-encoder/monoelectra-base", trust_remote_code=True)
scores = model.predict([
    ("How many people live in Berlin?", "Berlin had a population of 3,520,031 registered inhabitants in an area of 891.82 square kilometers."),
    ("How many people live in Berlin?", "Berlin is well known for its museums."),
])
print(scores)
# [ 8.122868 -4.292924]

Transformersを使用する場合

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

model = AutoModelForSequenceClassification.from_pretrained("cross-encoder/monoelectra-base", trust_remote_code=True)
tokenizer = AutoTokenizer.from_pretrained("cross-encoder/monoelectra-base")

features = tokenizer(
    [
        ("How many people live in Berlin?", "Berlin had a population of 3,520,031 registered inhabitants in an area of 891.82 square kilometers."),
        ("How many people live in Berlin?", "Berlin is well known for its museums."),
    ],
    padding=True,
    truncation=True,
    return_tensors="pt",
)

model.eval()
with torch.no_grad():
    scores = model(**features).logits.view(-1)
print(scores)
# tensor([ 8.1229, -4.2929])

📄 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。