Drama Large Xnli Anli

🚀 drama-large-xnli-anli

本模型是 facebook/drama-large 在XNLI和ANLI数据集上的微调版本。它可用于零样本分类任务，支持多种语言，为跨语言的文本分类提供了强大的解决方案。

🚀 快速开始

模型描述

DRAMA: Diverse Augmentation from Large Language Models to Smaller Dense Retrievers。 Xueguang Ma, Xi Victoria Lin, Barlas Oguz, Jimmy Lin, Wen - tau Yih, Xilun Chen, arXiv 2025

如何使用模型

零样本分类管道

可以使用 zero-shot-classification 管道加载模型，示例代码如下：

from transformers import AutoTokenizer, pipeline
model = "mjwong/drama-large-xnli-anli"
classifier = pipeline("zero-shot-classification",
                      model=model)

然后可以使用此管道将序列分类到指定的任何类别名称中。

sequence_to_classify = "one day I will see the world"
candidate_labels = ['travel', 'cooking', 'dancing']
classifier(sequence_to_classify, candidate_labels)

如果多个候选标签都可能正确，可以传递 multi_class=True 来独立计算每个类别：

candidate_labels = ['travel', 'cooking', 'dancing', 'exploration']
classifier(sequence_to_classify, candidate_labels, multi_class=True)

手动使用PyTorch

该模型也可用于NLI任务，示例代码如下：

import torch
from transformers import AutoTokenizer, AutoModelForSequenceClassification

# device = "cuda:0" or "cpu"
device = torch.device("cuda") if torch.cuda.is_available() else torch.device("cpu")

model_name = "mjwong/drama-large-xnli-anli"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSequenceClassification.from_pretrained(model_name)

premise = "But I thought you'd sworn off coffee."
hypothesis = "I thought that you vowed to drink more coffee."

input = tokenizer(premise, hypothesis, truncation=True, return_tensors="pt")
output = model(input["input_ids"].to(device))
prediction = torch.softmax(output["logits"][0], -1).tolist()
label_names = ["entailment", "neutral", "contradiction"]
prediction = {name: round(float(pred) * 100, 2) for pred, name in zip(prediction, label_names)}
print(prediction)

📊 评估结果

多语言XNLI测试集评估

该模型使用XNLI测试集在15种语言上进行了评估，评估指标为准确率。

MultiNLI开发集和ANLI测试集评估

该模型还使用MultiNLI开发集和ANLI测试集进行了评估，评估指标为准确率。

🔧 技术细节

训练超参数

训练期间使用了以下超参数：

• 学习率（learning_rate）：2e - 05
• 训练批次大小（train_batch_size）：16
• 评估批次大小（eval_batch_size）：16
• 随机种子（seed）：42
• 优化器（optimizer）：Adam，其中betas = (0.9, 0.999)，epsilon = 1e - 08
• 学习率调度器类型（lr_scheduler_type）：线性
• 学习率调度器预热比例（lr_scheduler_warmup_ratio）：0.1

框架版本

• Transformers：4.49.0
• Pytorch：2.6.0 + cu124
• Datasets：3.2.0
• Tokenizers：0.21.0

📄 许可证

本模型使用CC - BY - NC - 4.0许可证。

📦 数据集

• xnli
• facebook/anli

🛠️ 任务类型

零样本分类（zero - shot - classification）

📋 模型信息