许可证：apache-2.0 语言：

• 英语 基础模型：
• google/electra-base-discriminator 流水线标签：文本排序 库名称：sentence-transformers 标签：
• transformers

SQuAD（QNLI）交叉编码器

该模型使用SentenceTransformers的交叉编码器类进行训练。

训练数据

给定一个问题和一个段落，该问题能否由该段落回答？这些模型已在GLUE QNLI数据集上进行训练，该数据集将SQuAD数据集转化为一个自然语言推理（NLI）任务。

性能

关于该模型的性能结果，请参见SBERT.net预训练交叉编码器。

使用方法

预训练模型可以这样使用：

from sentence_transformers import CrossEncoder

model = CrossEncoder('cross-encoder/qnli-electra-base')
scores = model.predict([('查询1', '段落1'), ('查询2', '段落2')])

# 例如
scores = model.predict([('柏林有多少人口？', '柏林在891.82平方公里的面积内拥有3,520,031名注册居民。'), ('纽约的面积有多大？', '纽约市以大都会艺术博物馆闻名。')])

与Transformers AutoModel一起使用

你也可以直接使用Transformers库（无需SentenceTransformers库）来使用该模型：

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

model = AutoModelForSequenceClassification.from_pretrained('cross-encoder/qnli-electra-base')
tokenizer = AutoTokenizer.from_pretrained('cross-encoder/qnli-electra-base')

features = tokenizer(['柏林有多少人口？', '纽约的面积有多大？'], ['柏林在891.82平方公里的面积内拥有3,520,031名注册居民。', '纽约市以大都会艺术博物馆闻名。'],  padding=True, truncation=True, return_tensors="pt")

model.eval()
with torch.no_grad():
    scores = torch.nn.functional.sigmoid(model(**features).logits)
    print(scores)