DeBERTa-v3 (grande) afinado a Multi-NLI (MNLI)

potsawee

Clasificación de texto

Este modelo es para la Inferencia Textual (también conocida como NLI), es decir, predecir si el texto A está respaldado por el texto B. Más específicamente, es una clasificación de 2 vías donde la relación entre el texto A y el texto B puede ser implicar, neutral o contradecir. Durante el entrenamiento, se utilizaron las 3 etiquetas (implicar, neutral, contradecir), pero para este modelo, se ha eliminado la cabeza de salida neutral.

Como usar

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 tiene un problema personal"
textB = "Kyle Walker seguirá siendo capitán del Manchester City tras los informes sobre su vida privada, dice el jefe 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 ya ha sido eliminado
probs = torch.softmax(logits, dim=-1)[0]
# probs = [0.7080, 0.2920], lo que significa que prob(implicar) = 0.708, prob(contradecir) = 0.292

Funcionalidades

Clasificación de texto
Transformadores
PyTorch
Entrenado en multi_nli
Salida de inferencia

Casos de uso

Detección de inferencia textual
Identificación de la relación entre dos textos
Predicción de si un segmento de texto apoya, contradice o es neutro respecto a otro segmento de texto