Qnli Electra Base

🚀 SQuAD（QNLI）跨編碼器

該模型使用 SentenceTransformers 的 Cross-Encoder 類進行訓練，可用於文本排序任務，能有效判斷給定問題是否可由段落回答。

🚀 快速開始

本模型使用 SentenceTransformers 的 Cross-Encoder 類進行訓練，可用於文本排序任務。

✨ 主要特性

• 基於 google/electra-base-discriminator 基礎模型。
• 在 GLUE QNLI 數據集上進行訓練，該數據集將 SQuAD 數據集 轉換為自然語言推理（NLI）任務。

📦 安裝指南

文檔未提及安裝步驟，跳過此章節。

💻 使用示例

基礎用法

預訓練模型可以按如下方式使用：

from sentence_transformers import CrossEncoder

model = CrossEncoder('cross-encoder/qnli-electra-base')
scores = model.predict([('Query1', 'Paragraph1'), ('Query2', 'Paragraph2')])

#e.g.
scores = model.predict([('How many people live in Berlin?', 'Berlin had a population of 3,520,031 registered inhabitants in an area of 891.82 square kilometers.'), ('What is the size of New York?', 'New York City is famous for the Metropolitan Museum of Art.')])

高級用法

你也可以直接使用 Transformers 庫（不使用 SentenceTransformers 庫）來使用該模型：

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

model = AutoModelForSequenceClassification.from_pretrained('cross-encoder/qnli-electra-base')
tokenizer = AutoTokenizer.from_pretrained('cross-encoder/qnli-electra-base')

features = tokenizer(['How many people live in Berlin?', 'What is the size of New York?'], ['Berlin had a population of 3,520,031 registered inhabitants in an area of 891.82 square kilometers.', 'New York City is famous for the Metropolitan Museum of Art.'],  padding=True, truncation=True, return_tensors="pt")

model.eval()
with torch.no_grad():
    scores = torch.nn.functional.sigmoid(model(**features).logits)
    print(scores)

📚 詳細文檔

訓練數據

給定一個問題和一個段落，該模型可以判斷問題是否能由段落回答。模型在 GLUE QNLI 數據集上進行訓練，該數據集將 SQuAD 數據集 轉換為自然語言推理（NLI）任務。

性能

關於該模型的性能結果，請參閱 SBERT.net 預訓練跨編碼器。

🔧 技術細節

文檔未提供具體技術細節，跳過此章節。

📄 許可證

本項目採用 Apache-2.0 許可證。

📋 模型信息