Robbert 2023 Dutch Base Cross Encoder

🚀 轉換模型卡

這是一個🤗 Transformers 模型的模型卡，該模型已被推送到模型中心。此模型卡為自動生成，主要用於文本排序任務，與句子轉換器相關。

📚 詳細文檔

模型描述

這是一張已發佈在模型中心的🤗 Transformers 模型的模型卡，此模型卡為自動生成。

• 開發者：[待補充更多信息]
• 資助方（可選）：[待補充更多信息]
• 共享方（可選）：[待補充更多信息]
• 模型類型：[待補充更多信息]
• 語言（NLP）：[待補充更多信息]
• 許可證：[待補充更多信息]
• 微調基礎模型（可選）：[待補充更多信息]

模型來源（可選）

• 倉庫：[待補充更多信息]
• 論文（可選）：[待補充更多信息]
• 演示（可選）：[待補充更多信息]

使用說明

直接使用

此部分介紹模型在未進行微調或未集成到更大的生態系統/應用中的使用方式。[待補充更多信息]

下游使用（可選）

此部分介紹模型在針對特定任務進行微調後，或集成到更大的生態系統/應用中的使用方式。[待補充更多信息]

非預期使用

此部分討論模型的誤用、惡意使用以及模型效果不佳的使用場景。[待補充更多信息]

偏差、風險和侷限性

此部分旨在傳達模型在技術和社會技術方面的侷限性。[待補充更多信息]

建議

用戶（包括直接用戶和下游用戶）應瞭解該模型的風險、偏差和侷限性。如需進一步建議，還需更多信息。

🚀 快速開始

使用以下代碼開始使用該模型。 [待補充更多信息]

訓練詳情

訓練數據

此部分應鏈接到數據集卡片，可能還需簡要介紹訓練數據的相關信息，以及與數據預處理或額外過濾相關的文檔。[待補充更多信息]

訓練過程

預處理（可選）

[待補充更多信息]

訓練超參數

• 訓練機制：[待補充更多信息]

速度、大小、時間（可選）

此部分提供有關吞吐量、開始/結束時間、檢查點大小（如適用）等信息。[待補充更多信息]

評估

測試數據、因素和指標

測試數據

如有可能，此部分應鏈接到數據集卡片。[待補充更多信息]

因素

這些是評估所依據的因素，例如子群體或領域。[待補充更多信息]

指標

這些是所使用的評估指標，最好能說明使用原因。[待補充更多信息]

結果

[待補充更多信息]

總結

模型檢查（可選）

此部分介紹與模型可解釋性相關的工作。[待補充更多信息]

環境影響

可以使用Lacoste 等人（2019）中提出的機器學習影響計算器來估算碳排放。

• 硬件類型：[待補充更多信息]
• 使用時長：[待補充更多信息]
• 雲服務提供商：[待補充更多信息]
• 計算區域：[待補充更多信息]
• 碳排放：[待補充更多信息]

技術規格（可選）

模型架構和目標

[待補充更多信息]

計算基礎設施

硬件

[待補充更多信息]

軟件

[待補充更多信息]

引用（可選）

BibTeX： [待補充更多信息]

APA： [待補充更多信息]

術語表（可選）

如果相關，此部分可包含有助於讀者理解模型或模型卡的術語和計算方法。[待補充更多信息]

更多信息（可選）

[待補充更多信息]

模型卡作者（可選）

[待補充更多信息]

模型卡聯繫方式

[待補充更多信息]