metadata

license: mit
datasets:
  - Den4ikAI/russian_dialogues
language:
  - ru
widget:
  - text: >-
      [CLS]Что такое QR-код?[REPONSE_TOKEN]QR-код - это тип матричного
      штрих-кода.
  - text: >-
      [CLS]Как какать?[RESPONSE_TOKEN]Снимите штаны, сядьте на унитаз и
      покакайте.
  - text: '[CLS]Как какать?[RESPONSE_TOKEN]Посрите в свитер.'
pipeline_tag: text-classification

Den4ikAI/ruBert-base-qa-ranker

Модель для оценки релевантности ответов на вопросы.

Использование

import torch
from transformers import AutoTokenizer, AutoModelForSequenceClassification

tokenizer = AutoTokenizer.from_pretrained('Den4ikAI/ruBert-base-qa-ranker')
model = AutoModelForSequenceClassification.from_pretrained('Den4ikAI/ruBert-base-qa-ranker')
inputs = tokenizer('[CLS]Что такое QR-код?[RESPONSE_TOKEN]QR-код - это тип матричного штрих-кода.', max_length=512, add_special_tokens=False, return_tensors='pt')
with torch.inference_mode():
    logits = model(**inputs).logits
    probas = torch.sigmoid(logits)[0].cpu().detach().numpy()
relevance, no_relevance = probas
print('Relevance: {}'.format(relevance))

Citation

@MISC{Den4ikAI/ruBert-base-qa-ranker,
    author  = {Denis Petrov},
    title   = {Russian QA relevancy model},
    url     = {https://huggingface.co./Den4ikAI/ruBert-base-qa-ranker},
    year    = 2023
}