许可协议：apache-2.0
数据集：

• tals/vitaminc
• SetFit/mnli
• snli
• fever
• paws
• scitail
  语言：
• 英文

这是一个基于T5-XXL的自然语言推理（NLI）模型，用于预测二元标签（'1'表示蕴含，'0'表示不蕴含）。

该模型的训练方式与TRUE论文（Honovich等人，2022年）中描述的NLI模型类似，但使用了以下数据集替代ANLI：

• SNLI（Bowman等人，2015年）
• MNLI（Williams等人，2018年）
• Fever（Thorne等人，2018年）
• Scitail（Khot等人，2018年）
• PAWS（Zhang等人，2019年）
• VitaminC（Schuster等人，2021年）

模型的输入格式为："前提：PREMISE_TEXT 假设：HYPOTHESIS_TEXT"。

如果您在研究中使用了该模型，请引用TRUE论文（使用以下BibTeX条目）以及上述提到的数据集论文。

@inproceedings{honovich-etal-2022-true-evaluating,  
    title = "{TRUE}: Re-evaluating Factual Consistency Evaluation",  
    author = "Honovich, Or  and  
      Aharoni, Roee  and  
      Herzig, Jonathan  and  
      Taitelbaum, Hagai  and  
      Kukliansy, Doron  and  
      Cohen, Vered  and  
      Scialom, Thomas  and  
      Szpektor, Idan  and  
      Hassidim, Avinatan  and  
      Matias, Yossi",  
    booktitle = "Proceedings of the 2022 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies",  
    month = jul,  
    year = "2022",  
    address = "Seattle, United States",  
    publisher = "Association for Computational Linguistics",  
    url = "https://aclanthology.org/2022.naacl-main.287",  
    doi = "10.18653/v1/2022.naacl-main.287",  
    pages = "3905--3920",  
}