Xlnet Base Cased

🚀 XLNet（基礎大小模型）

XLNet是一個在英文語料上預訓練的模型。它由Yang等人在論文XLNet: Generalized Autoregressive Pretraining for Language Understanding中提出，並首次在此倉庫中發佈。

聲明：發佈XLNet的團隊並未為此模型編寫模型卡片，此模型卡片由Hugging Face團隊編寫。

🚀 快速開始

XLNet是一種基於全新廣義排列語言建模目標的無監督語言表示學習方法。此外，XLNet採用Transformer - XL作為骨幹模型，在處理長上下文的語言任務中表現出色。總體而言，XLNet在各種下游語言任務（如問答、自然語言推理、情感分析和文檔排序）上取得了最先進（SOTA）的成果。

✨ 主要特性

• 基於全新的廣義排列語言建模目標進行無監督語言表示學習。
• 採用Transformer - XL作為骨幹模型，對長上下文語言任務表現優異。
• 在多種下游語言任務中達到了最先進的水平。

📚 詳細文檔

預期用途和限制

該模型主要用於在下游任務上進行微調。你可以查看模型中心，尋找針對你感興趣任務的微調版本。

請注意，此模型主要旨在針對使用整個句子（可能經過掩碼處理）進行決策的任務進行微調，例如序列分類、標記分類或問答。對於文本生成等任務，你應該考慮像GPT2這樣的模型。

💻 使用示例

基礎用法

from transformers import XLNetTokenizer, XLNetModel

tokenizer = XLNetTokenizer.from_pretrained('xlnet-base-cased')
model = XLNetModel.from_pretrained('xlnet-base-cased')

inputs = tokenizer("Hello, my dog is cute", return_tensors="pt")
outputs = model(**inputs)

last_hidden_states = outputs.last_hidden_state

BibTeX引用和引用信息

@article{DBLP:journals/corr/abs-1906-08237,
  author    = {Zhilin Yang and
               Zihang Dai and
               Yiming Yang and
               Jaime G. Carbonell and
               Ruslan Salakhutdinov and
               Quoc V. Le},
  title     = {XLNet: Generalized Autoregressive Pretraining for Language Understanding},
  journal   = {CoRR},
  volume    = {abs/1906.08237},
  year      = {2019},
  url       = {http://arxiv.org/abs/1906.08237},
  eprinttype = {arXiv},
  eprint    = {1906.08237},
  timestamp = {Mon, 24 Jun 2019 17:28:45 +0200},
  biburl    = {https://dblp.org/rec/journals/corr/abs-1906-08237.bib},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}

📄 許可證

本項目採用MIT許可證。