GLiClass-V3: O familie de modele numai pentru codificatoare care se potrivesc sau depășesc DeBERTa-v3-Large în ceea ce privește precizia zero-shot, oferind în același timp o inferență cu până la 50× mai rapidă. Design de bază: - Inferență într-o singură trecere: Nu este necesară asocierea între codificatori. O singură trecere înainte se ocupă de toate etichetele. - Adaptoare LoRA: Reglate fin pe sarcini logice (de exemplu, raționament logic formal, QA de bun simț) pentru generalizare simbolică fără uitare catastrofală. - Pregătit pentru margine: gliclass-edge-v3.0 atinge 97 ex/s pe A6000, ideal pentru mobil și IoT Variante GLiClass-V3 (gliclass-*): (Construit pe DeBERTa, ModernBERT și Ettin pentru implementarea edge) - large-v3.0: 70,0% medie F1 (cel mai bun) - Base-V3.0: 65,6% - modern-mare: 60,8% - edge-v3.0: 48,7% (cel mai rapid, bazat pe Ettin) - x-base: 57% F1 (EN), 42% (multilingv) pentru o generalizare multilingvă robustă zero-shot Benchmark-uri (zero-shot, fără reglare fină): - CR, SST2, IMDb: ~0,93–0,94 F1 - Depășește GLiClass-v2 și codificatoare încrucișate (de exemplu, DeBERTa-v3-Large, RoBERTa) - Se scalează la 128+ etichete cu accelerare masivă (DeBERTa-Large: 0.25 ex/s vs GLiClass: 82.6) Cazuri de utilizare: - Clasificare cu mai multe etichete (de exemplu, subiect, sentiment, spam) - Reclasificarea RAG - NLP sigur pentru confidențialitate pe dispozitiv Construit pe DeBERTa și ModernBERT. Complet open-source. pip instalează gliclass