GLiClass-V3: Uma família de modelos somente de codificador que correspondem ou excedem o DeBERTa-v3-Large em precisão zero-shot, ao mesmo tempo em que oferecem inferência até 50× mais rápida. Projeto principal: - Inferência de passagem única: Não é necessário emparelhamento entre codificadores. Uma passagem para frente lida com todos os rótulos. - Adaptadores LoRA: Ajustados em tarefas lógicas (por exemplo, Raciocínio Lógico Formal, QA de Senso Comum) para generalização simbólica sem esquecimento catastrófico. - Pronto para borda: gliclass-edge-v3.0 atinge 97 ex/s no A6000, ideal para dispositivos móveis e IoT Variantes GLiClass-V3 (gliclass-*): (Construído em DeBERTa, ModernBERT e Ettin para implantação de borda) - grande-v3.0: 70,0% média F1 (melhor) - Base-v3.0: 65,6% - moderno-grande: 60,8% - edge-v3.0: 48,7% (mais rápido, baseado em Ettin) - x-base: 57% F1 (EN), 42% (multilíngue) para generalização robusta multilíngue zero-shot Benchmarks (zero-shot, sem ajuste fino): - CR, SST2, IMDb: ~ 0,93–0,94 F1 - Supera GLiClass-v2 e codificadores cruzados (por exemplo, DeBERTa-v3-Large, RoBERTa) - Escala para 128+ rótulos com aceleração massiva (DeBERTa-Large: 0,25 ex / s vs GLiClass: 82,6) Casos de uso: - Classificação de vários rótulos (por exemplo, tópico, sentimento, spam) - Reclassificação RAG - NLP no dispositivo com privacidade segura Construído em DeBERTa e ModernBERT. Totalmente de código aberto. pip instalar gliclass