🚀 DeBERTa-v3 (large) 针对多类型自然语言推理 (MNLI) 微调模型

本模型用于文本蕴含任务（即自然语言推理，NLI），也就是预测 textA 是否能由 textB 支持。更具体地说，这是一个二分类任务，textA 和 textB 之间的关系可以是 蕴含、中立、矛盾。

🚀 快速开始

本模型可用于判断文本之间的蕴含关系。输入为一对文本 (textA, textB)，输出为蕴含和矛盾的概率。

✨ 主要特性

• 该模型基于 deberta-v3-large 基础模型。
• 在训练时使用了所有三个标签（蕴含、中立、矛盾），但此模型移除了中立输出头。

📦 安装指南

文档未提及安装步骤，若需使用该模型，可参考 Hugging Face 官方文档进行安装。

💻 使用示例

基础用法

from transformers import AutoTokenizer, AutoModelForSequenceClassification
tokenizer = AutoTokenizer.from_pretrained("potsawee/deberta-v3-large-mnli")
model = AutoModelForSequenceClassification.from_pretrained("potsawee/deberta-v3-large-mnli")

textA = "Kyle Walker has a personal issue"
textB = "Kyle Walker will remain Manchester City captain following reports about his private life, says boss Pep Guardiola."

inputs = tokenizer.batch_encode_plus(
    batch_text_or_text_pairs=[(textA, textB)],
    add_special_tokens=True, return_tensors="pt",
)
logits = model(**inputs).logits # neutral is already removed
probs = torch.softmax(logits, dim=-1)[0]
# probs = [0.7080, 0.2920], meaning that prob(entail) = 0.708, prob(contradict) = 0.292

📚 详细文档

模型信息

输入输出

• 输入：(textA, textB)
• 输出：蕴含概率，矛盾概率

注意事项

⚠️ 重要提示

训练时使用了所有三个标签（蕴含、中立、矛盾），但此模型的中立输出头已被移除。

📄 许可证

本模型使用 Apache-2.0 许可证。

📚 引用信息

@article{manakul2023selfcheckgpt,
  title={Selfcheckgpt: Zero-resource black-box hallucination detection for generative large language models},
  author={Manakul, Potsawee and Liusie, Adian and Gales, Mark JF},
  journal={arXiv preprint arXiv:2303.08896},
  year={2023}
}