Deberta V3 Xsmall Zeroshot V1.1 All 33

🚀 deberta-v3-xsmall-zeroshot-v1.1-all-33

本模型是一個小而高效的零樣本分類模型，基於microsoft/deberta-v3-xsmall微調而來，專為邊緣設備或瀏覽器場景設計，在速度上有顯著優勢。

🚀 快速開始

此模型使用與 MoritzLaurer/deberta-v3-large-zeroshot-v1.1-all-33 模型卡片中描述的相同管道進行微調，具體細節可參考該模型卡片以及這篇 論文。

基礎模型為 microsoft/deberta-v3-xsmall。該模型僅包含2200萬個骨幹參數和1.28億個詞彙表參數。骨幹參數是推理過程中起主要作用的參數，相較於更大的模型，能顯著提升推理速度。模型大小僅為142MB。

本模型經過訓練，旨在為零樣本分類任務提供一個小巧且高效的選擇，尤其適用於邊緣設備或使用transformers.js的瀏覽器用例。

📚 詳細文檔

關於使用說明和其他詳細信息，請參考 MoritzLaurer/deberta-v3-large-zeroshot-v1.1-all-33 模型卡片以及這篇 論文。

🔧 技術細節

為節省時間和計算資源，未對該模型進行零樣本評估。下表展示了模型在所有訓練數據集上的標準準確率（請注意，自然語言推理（NLI）數據集為二分類）。

總體而言，該模型比其更大的姊妹模型效率更高，但性能稍遜一籌。

📄 許可證

本模型採用MIT許可證。