Xlm Roberta Base Snli Mnli Anli Xnli

🚀 跨注意力NLI模型

這是一個經過訓練的跨注意力自然語言推理（NLI）模型，可用於零樣本和少樣本的文本分類任務。該模型基於xlm - roberta - base，能在多種語言環境下實現高效準確的文本分類。

✨ 主要特性

• 多語言支持：支持阿拉伯語（ar）、保加利亞語（bg）、德語（de）、希臘語（el）、英語（en）、西班牙語（es）、法語（fr）、俄語（ru）、泰語（th）、土耳其語（tr）、烏爾都語（ur）、越南語（vn）、中文（zh）等多種語言，還支持多語言模式。
• 零樣本和少樣本分類：無需大量標註數據，即可對文本進行分類。

📦 安裝指南

文檔未提供具體安裝命令，跳過此章節。

💻 使用示例

基礎用法

from transformers import AutoModelForSequenceClassification, AutoTokenizer
import torch
import numpy as np

model = AutoModelForSequenceClassification.from_pretrained("symanto/xlm-roberta-base-snli-mnli-anli-xnli")
tokenizer = AutoTokenizer.from_pretrained("symanto/xlm-roberta-base-snli-mnli-anli-xnli")

input_pairs = [
               ("I like this pizza.", "The sentence is positive."),
               ("I like this pizza.", "The sentence is negative."),
               ("I mag diese Pizza.", "Der Satz ist positiv."),
               ("I mag diese Pizza.", "Der Satz ist negativ."),
               ("Me gusta esta pizza.", "Esta frase es positivo."),
               ("Me gusta esta pizza.", "Esta frase es negativo."),
]
inputs = tokenizer(input_pairs, truncation="only_first", return_tensors="pt", padding=True)
logits = model(**inputs).logits
probs = torch.softmax(logits, dim=1)
probs = probs[..., [0]].tolist()
print("probs", probs)
np.testing.assert_almost_equal(probs, [[0.83], [0.04], [1.00], [0.00], [1.00], [0.00]], decimal=2)

高級用法

文檔未提供高級用法代碼示例，跳過此部分。

📚 詳細文檔

支持語言

訓練數據集

基礎模型

該模型基於 [xlm - roberta - base](https://huggingface.co/xlm - roberta - base)，使用 此處 的代碼進行訓練。

🔧 技術細節

文檔未提供具體技術實現細節，跳過此章節。

📄 許可證

文檔未提供許可證信息，跳過此章節。