Рекомендации по использованию модели большого языка для извлечения информации Мы представляем GoLLIE, модель большого языка, обученную следовать рекомендациям по аннотациям. GoLLIE превосходит предыдущие подходы к извлечению информации с нуля и позволяет пользователю делать выводы с помощью схем аннотаций, определенных на лету. В отличие от предыдущих подходов, GoLLIE может следовать подробным определениям, а не только полагаться на знания, уже закодированные в LLM. — 💻 Код: https://github.com/osainz59/CoLLIE/ — 📒 Сообщение в блоге: GoLLIE: следование рекомендациям большой языковой модели для извлечения информации — 📖 Документ: GoLLIE: Рекомендации по аннотациям улучшают извлечение информации с нулевого выстрела — 🐕 Коллекция GoLLIE в 🤗HuggingFace Hub: HiTZ/gollie — 🚀 Примеры блокнотов Jupyter: Блокноты GoLLIE – Разработчики: Оскар Сайнс, Икер Гарсия-Ферреро, Родриго Агерри, Ойер Лопес де Лакаль, Герман Ригау и Энеко Агирре – Учреждение: HiTZ Баскский центр языковых технологий – Ixa, Университет Страны Басков UPV/EHU – Тип модели: Генерация текста – Язык(и) (NLP): Английский – Лицензия: Лицензия LLaMA2 для базовой и объединенной модели. Apache 2.0 для предварительно обученных адаптеров LoRA — настроено на основе модели:…
Модальности:
Генерация текста
Области применения:
Генерация кода
Задача: Генерация текста
Автор: HiTZ
Теги: llama, code, text-generation-inference, Information Extraction, IE, Named Entity Recogniton, Event Extraction, Relation Extraction
Лайков: 7 | Загрузок: 20
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
