🚀 sup-simcse-roberta-large 模型卡片

sup-simcse-roberta-large 是一个用于特征提取的模型，基于 RoBERTa-large 开发。它在自然语言处理领域有着特定的应用，能帮助用户完成特征提取任务。

🚀 快速开始

使用以下代码开始使用该模型：

from transformers import AutoTokenizer, AutoModel

tokenizer = AutoTokenizer.from_pretrained("princeton-nlp/sup-simcse-roberta-large")

model = AutoModel.from_pretrained("princeton-nlp/sup-simcse-roberta-large")

✨ 主要特性

• 可用于特征提取任务。

📚 详细文档

模型详情

用途

直接使用

此模型可用于特征提取任务。

模型使用范围外情况

该模型不应被用于故意为人们创造敌对或排斥性的环境。

偏差、风险和局限性

大量研究已经探讨了语言模型的偏差和公平性问题（例如，参见 Sheng 等人 (2021) 和 Bender 等人 (2021)）。该模型生成的预测可能包含针对受保护类别、身份特征以及敏感、社会和职业群体的令人不安和有害的刻板印象。

建议

用户（包括直接用户和下游用户）应了解该模型的风险、偏差和局限性。关于进一步的建议，还需要更多信息。

训练详情

训练数据

模型创建者在 GitHub 仓库 中提到：

我们在从英文维基百科随机抽取的 106 个句子上训练无监督的 SimCSE，并在 MNLI 和 SNLI 数据集（314k）的组合上训练有监督的 SimCSE。

评估

测试数据、因素和指标

测试数据

模型创建者在 关联论文 中提到：

我们用于句子嵌入的评估代码基于 SentEval 的修改版本。它在语义文本相似度（STS）任务和下游迁移任务上评估句子嵌入。对于 STS 任务，我们的评估采用“all”设置，并报告 Spearman 相关性。有关评估详情，请参阅 关联论文（附录 B）。

环境影响

可以使用 Lacoste 等人 (2019) 中提出的 机器学习影响计算器 来估算碳排放。

引用

BibTeX：

@inproceedings{gao2021simcse,
   title={{SimCSE}: Simple Contrastive Learning of Sentence Embeddings},
   author={Gao, Tianyu and Yao, Xingcheng and Chen, Danqi},
   booktitle={Empirical Methods in Natural Language Processing (EMNLP)},
   year={2021}
}

更多信息

如果您有与代码或论文相关的任何问题，请随时给 Tianyu (tianyug@cs.princeton.edu) 和 Xingcheng (yxc18@mails.tsinghua.edu.cn) 发邮件。如果您在使用代码时遇到任何问题，或想报告一个错误，您可以创建一个 issue。请尽量详细说明问题，以便我们能更好、更快地帮助您！

模型卡片作者

Princeton NLP 团队与 Ezi Ozoani 以及 Hugging Face 团队合作完成。