GLiClass-V3:ゼロショット精度でDeBERTa-v3-Largeに匹敵するか、それを超えるエンコーダ専用モデルのファミリーであり、最大50×高速な推論を実現します。 コアデザイン: - シングルパス推論:クロスエンコーダのペアリングは必要ありません。1 回のフォワードパスですべてのラベルが処理されます。 - LoRAアダプター:論理タスク(形式論理推論、常識QAなど)を微調整し、壊滅的な忘却を起こさずに記号的な一般化を実現します。 - エッジ対応: gliclass-edge-v3.0 は A6000 で 97 ex/s に達し、モバイルと IoT に最適 GLiClass-V3 バリアント (gliclass-*): (エッジ展開用にDeBERTa、ModernBERT、Ettinを基盤に構築) - large-v3.0: 70.0% 平均 F1 (最高) - ベース v3.0: 65.6% - モダンラージ:60.8% - edge-v3.0: 48.7% (最速、Ettin ベース) - x-base:57%F1(EN)、42%(多言語)で堅牢な多言語ゼロショット一般化を実現 ベンチマーク(ゼロショット、微調整なし): - CR、SST2、IMDb: ~0.93–0.94 F1 - GLiClass-v2およびクロスエンコーダ(DeBERTa-v3-Large、RoBERTaなど)を上回る性能 - 大幅なスピードアップで 128+ ラベルに拡張 (DeBERTa-Large: 0.25 ex/s vs GLiClass: 82.6) 使用例: - マルチラベル分類(トピック、センチメント、スパムなど) - RAGの再ランク付け - プライバシーに配慮したオンデバイス NLP DeBERTaとModernBERT上に構築されています。完全にオープンソース。 pip install gliclass