---
title: nlp_peer_mnli_english-base
canonical_url: "https://www.modelscope.cn/models/damo/nlp_peer_mnli_english-base"
md_url: "https://www.modelscope.cn/models/damo/nlp_peer_mnli_english-base.md"
repository: damo/nlp_peer_mnli_english-base
chinese_name: "PEER自然语言推理-英文-MNLI-base"
last_updated: 2025-06-11
license: "Apache License 2.0"
pipeline_tag: nli
tasks:
  - nli
model_type:
  - peer
architectures:
  - PeerForSequenceClassification
library_name:
  - pytorch
frameworks:
  - pytorch
language:
  - en
domain:
  - nlp
downloads: 699
stars: 1
tags:
  - transformer
  - Alibaba
  - nli
  - "文本分类"
  - "自然语言推理"
---

# nlp_peer_mnli_english-base

> nlp_peer_mnli_english-base - damo 在 ModelScope 开源的模型。The PEER method is proposed to extend the replaced token detection (RTD) pre-training task conducted in the ELECTRA model into a task of ranking input tokens according to K different quality levels. The…

damo/nlp_peer_mnli_english-base 是 ModelScope 魔搭社区上的nli模型，采用 Apache License 2.0 许可。

- **Repository**: damo/nlp_peer_mnli_english-base
- **License**: Apache License 2.0
- **Tasks**: nli
- **Tags**: transformer, Alibaba, nli, 文本分类, 自然语言推理
- **Downloads**: 699
- **Stars**: 1
- **Last updated**: 2025-06-11

Source: https://www.modelscope.cn/models/damo/nlp_peer_mnli_english-base

---

# PEER英文自然语言推理模型介绍

自然语言推理任务（NLI）通常指判断一对句子对（前提句，假设句）在语义上是否存在推理蕴涵关系。作为自然语言理解的一个重要组成部分,NLI专注于语义理解，是一项分类任务。
PEER英文自然语言推理模型是在peer-base-english预训练模型的基础上，用MNLI的数据集（393k条训练数据）fine-tune出来的自然语言推理模型。

## 模型描述

模型基于peer-base-english 中的ranker (12层hidden size为768的transformer网络)，按照BERT论文中的方式，在MNLI数据集（393k条训练数据）上fine-tune得到。


## 期望模型使用方式以及适用范围

你可以使用PEER英文自然语言推理模型，对通用领域的自然语言推理任务进行推理。
输入形如（前提句，假设句）的句子对数据，模型会给出该句子对应的自然语言推理标签 {"蕴涵": 0, "中立": 1, "矛盾": 2} 以及相应的概率。


### 如何使用
在安装完成ModelScope-lib，请参考  [modelscope环境安装](https://modelscope.cn/docs/%E7%8E%AF%E5%A2%83%E5%AE%89%E8%A3%85) 。


#### 推理代码范例
```python
from modelscope.pipelines import pipeline
from modelscope.utils.constant import Tasks

semantic_cls = pipeline(Tasks.nli, 'damo/nlp_peer_mnli_english-base', model_revision='master') 
semantic_cls(input=('Conceptually cream skimming has two basic dimensions - product and geography.', 'Product and geography are what make cream skimming work.'))
```



#### 模型局限性以及可能的偏差
模型训练数据有限，不能包含所有行业，因此在特定行业数据上，效果可能存在一定偏差。

## 训练数据介绍

MNLI（Multi-Genre NLI）：用于判断给定的两个句子之间属于蕴涵、中立、矛盾关系。数据来源于fiction， telephone，travel，government等。
MNLI 中train 的数据量是392702; dev matched 的数据量是9815, dev mismatched 的数据量是9832; test matched 的数据量是9796, test mismatched 的数据量是9847。


数据来源于 https://huggingface.co/datasets/multi_nli


## 数据评估及结果

| 数据集                                                                      | MNLI  | 
| -------------------------------------------------------------------------- | ----- | 
| Accuracy (Average of MNLI-match accuracy and MNLI-mismatch accuracy) on dev| 86.68 |