语言: 英文
任务标签: 零样本分类
标签:

• mobilebert
  数据集:
• multi_nli

评估指标:

• 准确率

MobileBERT模型卡片：面向资源受限设备的紧凑型任务无关BERT模型

模型详情

模型描述

该模型是基于无大小写MobileBERT模型在多类型自然语言推理（MNLI）任务上微调的版本。

• 开发者: Typeform
• 共享者（可选）: Typeform
• 模型类型: 零样本分类
• 支持语言（NLP）: 英文
• 许可证: 需补充信息
• 父模型: 无大小写MobileBERT模型
• 更多信息参考资源: 需补充信息

用途

直接用途

该模型可用于零样本分类任务

下游用途（可选）

需补充信息

超范围用途

该模型不应被用于故意制造针对特定群体的敌对或疏离环境。

偏差、风险与局限性

大量研究已探讨了语言模型中的偏差与公平性问题（参见Sheng等人(2021)和Bender等人(2021)）。模型生成的预测可能包含针对受保护群体、身份特征以及敏感社会职业群体的有害刻板印象。

建议

用户（包括直接使用者和下游开发者）应充分了解该模型的风险、偏差和局限性。需补充具体建议信息。

训练详情

训练数据

详见multi_nli数据集卡片

训练流程

数据预处理

需补充信息

速度、规模与耗时

需补充信息

评估

测试数据、因素与指标

测试数据

详见multi_nli数据集卡片

影响因素

需补充信息

评估指标

需补充信息

结果

需补充信息

模型检验

需补充信息

环境影响

碳排放量可通过Lacoste等人(2019)提出的机器学习影响计算器估算。

• 硬件类型: 需补充信息
• 使用时长: 需补充信息
• 云服务商: 需补充信息
• 计算区域: 需补充信息
• 碳排放量: 需补充信息

技术规格（可选）

模型架构与目标

需补充信息

计算基础设施

需补充信息

硬件

需补充信息

软件

需补充信息

引用

BibTeX格式:
需补充信息

术语表（可选）

需补充信息

更多信息（可选）

需补充信息

模型卡片作者（可选）

Typeform与Ezi Ozoani及Hugging Face团队合作编写

模型卡片联系方式

需补充信息

快速开始指南

使用以下代码加载模型：

from transformers import AutoTokenizer, AutoModelForSequenceClassification  

tokenizer = AutoTokenizer.from_pretrained("typeform/mobilebert-uncased-mnli")  
model = AutoModelForSequenceClassification.from_pretrained("typeform/mobilebert-uncased-mnli")