Smartshot Zeroshot Finetuned V0.1.2

🚀 微調零樣本分類模型

本模型使用 SmartShot 方法，在從 LLaMa 派生的合成數據集上進行微調，以提升零樣本分類的性能。

🚀 快速開始

以下是使用該模型進行零樣本分類的示例代碼：

from transformers import pipeline

classifier = pipeline("zero-shot-classification", model="gincioks/smartshot-zeroshot-finetuned-v0.1.2")
text = "Shares of Hyundai Motor jumped nearly 8% on Wednesday, a day after South Korea announced a 'green new deal' to spur use of environmentally friendly vehicles."
labels = ["Shares that rise due to the 'green new deal'", "Shares that fall due to the 'green new deal'"]
results = classifier(text, labels)
print(results)

✨ 主要特性

• 使用 SmartShot 方法在合成數據集上微調，提升零樣本分類性能。

📦 安裝指南

文檔未提及安裝步驟，可參考 transformers 庫的官方安裝指南進行安裝。

💻 使用示例

基礎用法

from transformers import pipeline

classifier = pipeline("zero-shot-classification", model="gincioks/smartshot-zeroshot-finetuned-v0.1.2")
text = "Shares of Hyundai Motor jumped nearly 8% on Wednesday, a day after South Korea announced a 'green new deal' to spur use of environmentally friendly vehicles."
labels = ["Shares that rise due to the 'green new deal'", "Shares that fall due to the 'green new deal'"]
results = classifier(text, labels)
print(results)

📚 詳細文檔

模型詳情

訓練過程

本模型使用以下參數進行微調：

• 學習率：2e-05
• 訓練輪數：1
• 批次大小：1
• 熱身比例：0.06

性能與侷限性

該模型在零樣本分類任務上取得了更好的性能，但在訓練數據未覆蓋的領域可能仍存在侷限性。

📄 許可證

本項目採用 MIT 許可證。