R

Roberta Base Zeroshot V2.0 C

由MoritzLaurer開發
基於RoBERTa架構的零樣本分類模型,專為無需訓練數據的文本分類任務設計,支持GPU與CPU運行,使用完全商業友好的數據訓練。
下載量 3,188
發布時間 : 3/22/2024

模型概述

該模型是zeroshot-v2.0系列的一部分,通過自然語言推理(NLI)任務格式實現通用文本分類,適用於多領域零樣本分類場景。

模型特點

商業友好數據
使用Mixtral生成的合成數據和MNLI/FEVER-NLI商業許可數據集訓練,滿足嚴格版權要求
零樣本分類
無需訓練數據即可執行分類任務,通過假設模板(hypothesis_template)適配任意分類標籤
生產環境優化
兼容Hugging Face TEI推理容器與flash attention,適合部署

模型能力

英語文本分類
多領域零樣本推理
單標籤/多標籤分類

使用案例

內容分類
新聞主題分類
將新聞自動分類到政治、經濟等預定義類別
在28個任務上平均f1_macro達0.72(零樣本)
信息審核
違規內容檢測
識別文本是否涉及暴力、仇恨言論等違規內容
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase