Deberta V3 Large Mnli

🚀 DeBERTa-v3 (large) 針對多類型自然語言推理 (MNLI) 微調模型

本模型用於文本蘊含任務（即自然語言推理，NLI），也就是預測 textA 是否能由 textB 支持。更具體地說，這是一個二分類任務，textA 和 textB 之間的關係可以是 蘊含、中立、矛盾。

🚀 快速開始

本模型可用於判斷文本之間的蘊含關係。輸入為一對文本 (textA, textB)，輸出為蘊含和矛盾的概率。

✨ 主要特性

• 該模型基於 deberta-v3-large 基礎模型。
• 在訓練時使用了所有三個標籤（蘊含、中立、矛盾），但此模型移除了中立輸出頭。

📦 安裝指南

文檔未提及安裝步驟，若需使用該模型，可參考 Hugging Face 官方文檔進行安裝。

💻 使用示例

基礎用法

from transformers import AutoTokenizer, AutoModelForSequenceClassification
tokenizer = AutoTokenizer.from_pretrained("potsawee/deberta-v3-large-mnli")
model = AutoModelForSequenceClassification.from_pretrained("potsawee/deberta-v3-large-mnli")

textA = "Kyle Walker has a personal issue"
textB = "Kyle Walker will remain Manchester City captain following reports about his private life, says boss Pep Guardiola."

inputs = tokenizer.batch_encode_plus(
    batch_text_or_text_pairs=[(textA, textB)],
    add_special_tokens=True, return_tensors="pt",
)
logits = model(**inputs).logits # neutral is already removed
probs = torch.softmax(logits, dim=-1)[0]
# probs = [0.7080, 0.2920], meaning that prob(entail) = 0.708, prob(contradict) = 0.292

📚 詳細文檔

模型信息

輸入輸出

• 輸入：(textA, textB)
• 輸出：蘊含概率，矛盾概率

注意事項

⚠️ 重要提示

訓練時使用了所有三個標籤（蘊含、中立、矛盾），但此模型的中立輸出頭已被移除。

📄 許可證

本模型使用 Apache-2.0 許可證。

📚 引用信息

@article{manakul2023selfcheckgpt,
  title={Selfcheckgpt: Zero-resource black-box hallucination detection for generative large language models},
  author={Manakul, Potsawee and Liusie, Adian and Gales, Mark JF},
  journal={arXiv preprint arXiv:2303.08896},
  year={2023}
}