language:

• zh license: mit tags:
• 文本分类
• 零样本分类 datasets:
• multi_nli
• facebook/anli
• fever
• lingnli
• alisawuffles/WANLI metrics:
• 准确率 pipeline_tag: 零样本分类 model-index:
• name: DeBERTa-v3-large-mnli-fever-anli-ling-wanli results:
  • task: type: 文本分类 name: 自然语言推理 dataset: name: MultiNLI-matched type: multi_nli split: validation_matched metrics:
    • type: 准确率 value: 0,912 verified: false
  • task: type: 文本分类 name: 自然语言推理 dataset: name: MultiNLI-mismatched type: multi_nli split: validation_mismatched metrics:
    • type: 准确率 value: 0,908 verified: false
  • task: type: 文本分类 name: 自然语言推理 dataset: name: ANLI-all type: anli split: test_r1+test_r2+test_r3 metrics:
    • type: 准确率 value: 0,702 verified: false
  • task: type: 文本分类 name: 自然语言推理 dataset: name: ANLI-r3 type: anli split: test_r3 metrics:
    • type: 准确率 value: 0,64 verified: false
  • task: type: 文本分类 name: 自然语言推理 dataset: name: WANLI type: alisawuffles/WANLI split: test metrics:
    • type: 准确率 value: 0,77 verified: false
  • task: type: 文本分类 name: 自然语言推理 dataset: name: LingNLI type: lingnli split: test metrics:
    • type: 准确率 value: 0,87 verified: false

DeBERTa-v3-large-mnli-fever-anli-ling-wanli

模型描述

该模型在MultiNLI、Fever-NLI、Adversarial-NLI (ANLI)、LingNLI和WANLI数据集上进行了微调，共包含885,242个NLI假设-前提对。截至2022年6月6日，该模型是Hugging Face Hub上性能最好的NLI模型，可用于零样本分类。它在ANLI基准测试上显著优于所有其他大型模型。

基础模型是微软的DeBERTa-v3-large。与BERT、RoBERTa等经典掩码语言模型相比，DeBERTa-v3结合了几项创新技术，详见论文。

如何使用该模型

简单的零样本分类流程

from transformers import pipeline
classifier = pipeline("zero-shot-classification", model="MoritzLaurer/DeBERTa-v3-large-mnli-fever-anli-ling-wanli")
sequence_to_classify = "安格拉·默克尔是德国政治家，也是基民盟的领导人"
candidate_labels = ["政治", "经济", "娱乐", "环境"]
output = classifier(sequence_to_classify, candidate_labels, multi_label=False)
print(output)

NLI用例

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch
device = torch.device("cuda") if torch.cuda.is_available() else torch.device("cpu")

model_name = "MoritzLaurer/DeBERTa-v3-large-mnli-fever-anli-ling-wanli"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSequenceClassification.from_pretrained(model_name)

premise = "我最初以为我喜欢这部电影，但后来觉得它其实很令人失望。"
hypothesis = "这部电影不好。"

input = tokenizer(premise, hypothesis, truncation=True, return_tensors="pt")
output = model(input["input_ids"].to(device))  # device = "cuda:0" 或 "cpu"
prediction = torch.softmax(output["logits"][0], -1).tolist()
label_names = ["蕴含", "中立", "矛盾"]
prediction = {name: round(float(pred) * 100, 1) for pred, name in zip(prediction, label_names)}
print(prediction)

训练数据

DeBERTa-v3-large-mnli-fever-anli-ling-wanli在MultiNLI、Fever-NLI、Adversarial-NLI (ANLI)、LingNLI和WANLI数据集上进行了训练，共包含885,242个NLI假设-前提对。请注意，由于数据集质量问题，明确排除了SNLI。更多的数据并不一定意味着更好的NLI模型。

训练过程

DeBERTa-v3-large-mnli-fever-anli-ling-wanli使用Hugging Face训练器进行训练，超参数如下。请注意，在测试中，更长时间的训练和更多的轮次会损害性能（过拟合）。

training_args = TrainingArguments(
    num_train_epochs=4,              # 训练总轮次
    learning_rate=5e-06,
    per_device_train_batch_size=16,   # 训练时每个设备的批量大小
    gradient_accumulation_steps=2,    # 将有效批量大小翻倍至32，同时降低内存需求
    per_device_eval_batch_size=64,    # 评估时的批量大小
    warmup_ratio=0.06,                # 学习率调度器的预热步数比例
    weight_decay=0.01,               # 权重衰减强度
    fp16=True                        # 混合精度训练
)

评估结果

该模型使用MultiNLI、ANLI、LingNLI、WANLI的测试集和Fever-NLI的开发集进行评估。使用的指标是准确率。 该模型在每个数据集上都达到了最先进的性能。令人惊讶的是，它在ANLI基准测试上比之前的ALBERT-XXL模型高出8.3%。我认为这是因为ANLI是为了欺骗像RoBERTa（或ALBERT）这样的掩码语言模型而创建的，而DeBERTa-v3使用了更好的预训练目标（RTD）、解耦注意力机制，并且我在更高质量的NLI数据上对其进行了微调。

局限性和偏差

请参考原始DeBERTa-v3论文和有关不同NLI数据集的文献，以获取有关训练数据和潜在偏差的更多信息。该模型将重现训练数据中的统计模式。

引用

如果您使用该模型，请引用：Laurer, Moritz, Wouter van Atteveldt, Andreu Salleras Casas, and Kasper Welbers. 2022. ‘Less Annotating, More Classifying – Addressing the Data Scarcity Issue of Supervised Machine Learning with Deep Transfer Learning and BERT - NLI’. 预印本，6月。Open Science Framework。https://osf.io/74b8k。

合作想法或问题？

如果您有合作想法或问题，请通过m{dot}laurer{at}vu{dot}nl或LinkedIn联系我。

调试和问题

请注意，DeBERTa-v3于2021年12月6日发布，旧版本的HF Transformers似乎无法正常运行该模型（例如导致分词器问题）。使用Transformers>=4.13可能会解决一些问题。