slim-sa-ner объединяет две наиболее популярные традиционные функции классификатора (анализ настроений и распознавание именованных объектов) и переосмысливает их как вызовы функций специализированного LLM на основе декодера, генерируя выходные данные, состоящие из словаря Python с ключами, соответствующими настроениям, и идентификаторами NER, такими как люди, организация и место, например: {‘sentiment’: [‘positive’], People’: [‘..’], ‘organization’: [‘..’], ‘place’: [‘..]} Эта «комбинированная» модель с параметрами 3B предназначена для иллюстрации потенциальных возможностей использования вызовов функций в небольших специализированных моделях, позволяющих единой архитектуре модели объединять возможности того, что традиционно представляло собой две отдельные архитектуры моделей в кодере. Цель SLIM — создать золотую середину между традиционными классификаторами на основе кодировщиков и открытыми LLM на основе API, обеспечивая интуитивно понятный и гибкий ответ на естественном языке без сложных подсказок, а также с улучшенной генерализацией и возможностью точной настройки для конкретного случая использования предметной области. Эта модель настроена поверх llmware/bling-stable-lm-3b-4e1t-v0, которая, в свою очередь, представляет собой тонкую настройку…
Модальности:
Генерация текста
Задача: Генерация текста
Автор: llmware
Теги: stablelm_epoch, custom_code
Лайков: 6 | Загрузок: 17
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
