🚀 演示项目

本项目提供了一个基于对话排名预训练变换器（DialogRPT）的演示，用于预测对话回复的相关性和质量。通过使用大规模的人类反馈数据进行训练，该模型可以帮助提升现有对话生成模型的性能。

请尝试这个 📔 Colab Notebook 演示（点击此处！）

human_vs_rand 得分用于预测回复与给定上下文的匹配程度，而非随机回复的可能性。

📚 DialogRPT-human-vs-rand

对话排名预训练变换器

一个对话回复获得点赞和/或得到回复的可能性有多大？

这正是 DialogRPT 模型旨在预测的内容。它是由 微软研究院自然语言处理小组 提出的一组对话回复排名模型，基于超过一亿条人类反馈数据进行训练。该模型可用于通过对生成的回复候选进行重新排序，来改进现有的对话生成模型（例如 DialoGPT）。

快速链接：

• EMNLP'20 论文
• 数据集、训练和评估
• Colab Notebook 演示

我们考虑了以下任务并提供了相应的预训练模型：

📞 联系我们

请在 我们的仓库 上创建一个问题。

📖 引用

@inproceedings{gao2020dialogrpt,
    title={Dialogue Response RankingTraining with Large-Scale Human Feedback Data},
    author={Xiang Gao and Yizhe Zhang and Michel Galley and Chris Brockett and Bill Dolan},
    year={2020},
    booktitle={EMNLP}
}