🧠 Mô hình multi-task

📝 Giới thiệu

Mô hình DeBERTa‑v3‑base được fine‑tune theo multi-task learning trên hơn 600 tác vụ thuộc bộ TaskSource, bao gồm Natural Language Inference (NLI), Zero-Shot Classification, token classification và multiple-choice. Mô hình được đánh giá mạnh trong zero-shot và đạt thành tích hàng đầu trong các benchmark do IBM tổ chức.

📌 Khả năng chính

Zero-Shot Classification Natural Language Inference (NLI) Multiple-choice & Token classification TaskSource-adapters – Gọi hàng trăm tác vụ chỉ với 1 dòng lệnh

📥 Đầu vào & 📤 Đầu ra

🔍 Zero-Shot Classification

from transformers import pipeline
classifier = pipeline("zero-shot-classification", model="zhaospei/Model_17")
classifier("I love programming.", ["tech", "politics", "sports"])

🔎 NLI (Natural Language Inference)

from transformers import pipeline
pipe = pipeline("text-classification", model="zhaospei/Model_17")
pipe([{"text": "A cat is on the mat.", "text_pair": "An animal is lying down."}])

🔌 [TA] Tasksource-adapters: Truy cập hàng trăm tác vụ với 1 dòng

# !pip install tasknet
import tasknet as tn

pipe = tn.load_pipeline('zhaospei/Model_17', 'glue/sst2')  # hoạt động với 500+ tác vụ TaskSource
pipe(['That movie was great!', 'Awful movie.'])
# [{'label': 'positive', 'score': 0.9956}, {'label': 'negative', 'score': 0.9967}]
Hỗ trợ các tập như: GLUE, SuperGLUE, ANLI, BIG-Bench, BoolQ, COPA...

🔧 Fine-tuning nhanh với TaskNet

import tasknet as tn

model, trainer = tn.Model_Trainer(
    [tn.AutoTask("glue/rte")],
    hparams={"model_name": "zhaospei/Model_17", "learning_rate": 2e-5}
)
trainer.train()

⚙️ Cài đặt

pip install torch transformers tasknet

📊 Huấn luyện & Hiệu năng

Dataset: 600+ tác vụ Epochs: 200k steps Batch size: 384 Peak learning rate: 2e-5 Thiết bị: A30 24GB x2 trong 15 ngày