T5 Xxl True Nli Mixture

🚀 基於T5 - XXL的自然語言推理（NLI）模型

這是一個基於T5 - XXL的自然語言推理（NLI）模型，可預測二元標籤（'1' - 蘊含關係，'0' - 非蘊含關係）。該模型為自然語言處理中的文本關係判斷提供了有效的解決方案，能幫助研究者和開發者更準確地處理文本之間的邏輯關係。

📚 詳細文檔

模型訓練

本模型的訓練方式與TRUE論文（Honovich等人，2022）中描述的NLI模型類似，但使用了以下數據集替代了ANLI：

• SNLI (Bowman等人，2015)
• MNLI (Williams等人，2018)
• Fever (Thorne等人，2018)
• Scitail (Khot等人，2018)
• PAWS (Zhang等人，2019)
• VitaminC (Schuster等人，2021)

輸入格式

模型的輸入格式為："premise: PREMISE_TEXT hypothesis: HYPOTHESIS_TEXT"。

引用說明

如果您在研究論文中使用了此模型，請引用TRUE論文（使用下面的bibtex條目）以及上述提到的數據集論文。

@inproceedings{honovich-etal-2022-true-evaluating,
    title = "{TRUE}: Re-evaluating Factual Consistency Evaluation",
    author = "Honovich, Or  and
      Aharoni, Roee  and
      Herzig, Jonathan  and
      Taitelbaum, Hagai  and
      Kukliansy, Doron  and
      Cohen, Vered  and
      Scialom, Thomas  and
      Szpektor, Idan  and
      Hassidim, Avinatan  and
      Matias, Yossi",
    booktitle = "Proceedings of the 2022 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies",
    month = jul,
    year = "2022",
    address = "Seattle, United States",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/2022.naacl-main.287",
    doi = "10.18653/v1/2022.naacl-main.287",
    pages = "3905--3920",
}

📄 許可證

本項目採用Apache - 2.0許可證。

📦 數據集