Skip to main content
GLiNER 2.5 Decide ist ein kompaktes englisches Modell mit 340 Millionen Parametern, das für schema-definierte Klassifizierung optimiert ist.

​
Klassifizierungsfunktionen

  • Labels bei der Anfrage definieren, ohne bei jeder Taxonomieänderung neu zu trainieren.
  • Single-Label-Klassifizierung ausführen, wenn genau ein Label gewinnen soll.
  • Multi-Label-Klassifizierung ausführen, wenn mehrere Labels zutreffen können.
  • Mehrere unabhängig benannte Klassifizierungsaufgaben in einem Forward-Pass bewerten.
  • Ein ausgewähltes Label oder mehrere Labels mit Konfidenz zurückgeben.
  • Mit cls_threshold die Auswahl in Multi-Label-Aufgaben steuern.
  • Eine Katalog-Standardaufgabe verwenden, wenn sowohl schema als auch response_format weggelassen werden.
Typische Workloads sind Absicht, Routing, Stimmung, Priorität, Moderation, Tags, operative Gates und benutzerdefinierte Texttaxonomien.

​
Schemabegrenzungen

  • Jede Aufgabe benötigt mindestens ein Label.
  • labels muss ein Array von Strings sein.
  • Objekte mit Label-Beschreibungen werden nicht unterstützt.
  • Eine Klassifizierungsaufgabe akzeptiert nur task, labels, multi_label, cls_threshold und top_k.
  • top_k wird akzeptiert, hat aber derzeit keine Wirkung.
  • cls_threshold wirkt sich nur auf die Multi-Label-Auswahl aus.
  • Single-Label-Aufgaben geben immer das Label mit dem höchsten Wert zurück.

​
Entscheidungsgrenzen

  • Klassische Klassifikationslabels sind ungeordnet. Die Reihenfolge der Labels erzeugt keine ordinale Skala.
  • Aufgaben in derselben Anfrage sind unabhängig.
  • Klassische Klassifizierung erzwingt keine Implikationen, Ausschlüsse, Kardinalitätsbeziehungen oder ordinalen Schranken zwischen Aufgaben.
  • Decide generiert keine Erklärungen, Unterhaltungen oder offenen Texte.
Verwenden Sie GLiNER 2.5 Multi, wenn Extraktion, mehrsprachige Abdeckung, Label-Beschreibungen oder eingeschränkte Beziehungen zwischen Aufgaben im Vordergrund stehen. Verwenden Sie GLiDE Score, wenn Ihre Anwendung eine explizit geordnete Rubrik benötigt.

Klassifikation

Sehen Sie sich unterstützte Schlüssel und geparste Ergebnisse für Single-Label-, Multi-Label- und mehrere Aufgaben an.

Evaluierung & Training

Wählen Sie Schwellenwerte, messen Sie die Qualität und stimmen Sie das Modell für Ihre Domäne fein ab.