Zero Shot Vanilla Bi Encoder
模型概述
該模型採用雙編碼分類框架,用於零樣本場景下的文本分類任務,無需特定任務的訓練數據即可對新類別進行分類
模型特點
零樣本學習能力
無需特定任務的訓練數據即可對新類別進行分類
雙編碼器架構
採用文本和標籤分別編碼的雙編碼器設計,通過餘弦相似度計算匹配度
多領域適應性
在標準化多領域UTCD數據集上訓練,適用於多種文本分類場景
模型能力
零樣本文本分類
文本語義匹配
多類別分類
使用案例
自然語言處理
意圖識別
識別用戶輸入的意圖類別,如查詢天氣、播放音樂等
示例中'添加至播放列表'獲得最高相似度0.72
文本分類
對未見過類別的文本進行分類
精選推薦AI模型
Llama 3 Typhoon V1.5x 8b Instruct
專為泰語設計的80億參數指令模型,性能媲美GPT-3.5-turbo,優化了應用場景、檢索增強生成、受限生成和推理任務
大型語言模型
Transformers 支持多種語言

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一個基於SODA數據集訓練的超小型對話模型,專為邊緣設備推理設計,體積僅為Cosmo-3B模型的2%左右。
對話系統
Transformers 英語

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基於RoBERTa架構的中文抽取式問答模型,適用於從給定文本中提取答案的任務。
問答系統 中文
R
uer
2,694
98