Описание: Модель UniNER-7B, обученная на LLama-7B с использованием данных определения Pile-NER без данных, помеченных человеком. Данные были собраны с помощью gpt-3.5-turbo-0301, который помечал объекты из отрывков и давал определения в коротких предложениях. Подсказка для сбора данных выглядит следующим образом: Инструкция: Учитывая абзац, ваша задача — извлечь все сущности и понятия и определить их тип, используя короткое предложение. Вывод должен быть в следующем формате: [(«сущность», «определение типа сущности в коротком предложении»), … ] Дополнительную информацию можно найти в нашей статье. Ознакомьтесь с нашим репозиторием, чтобы узнать, как использовать модель. Модель типа UniNER-7B, обученная на основе типа Pile-NER, превосходно распознает общие и короткие теги NER (например, человек, местоположение) и лучше работает с наборами данных NER. С другой стороны, определение UniNER-7B демонстрирует превосходные возможности в понимании определений типов объектов, состоящих из коротких предложений. Кроме того, он демонстрирует повышенную устойчивость к изменениям в перефразировании типов. Шаблон для экземпляров вывода выглядит следующим образом: Шаблон подсказки: виртуальный помощник отвечает на вопросы пользователя на основе предоставленного текста. ПОЛЬЗОВАТЕЛЬ: Текст: {Введите здесь текст} ПОМОЩНИК: Я…
Модальности:
Генерация текста
Задача: Генерация текста
Автор: Universal-NER
Теги: llama, en, text-generation-inference, endpoints_compatible
Лайков: 28 | Загрузок: 527
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
