nvidia/prompt-task-and-complexity-classifier
NemoCurator Prompt Task and Complexity Classifier Model Overview This is a multi-headed model which classifies English text prompts across task types and complexity dimensions. Tasks are classified across 11 common categories. Complexity is evaluate...
Thành tựu nổi bật
Những danh hiệu mới nhất của dự án
#4 Repository Của Tuần
#4 Repository Của Tuần
#4 Repository Của Tuần
🤖 Phân loại Prompt Thông minh: Task + Complexity
Mô hình đa đầu ra từ NVIDIA Curator phân loại prompt theo 11 loại tác vụ và 6 chiều độ phức tạp trong một lần chạy.
Đây là mô hình multi-head dựa trên DeBERTa-v3-base, được huấn luyện bởi nhóm NemoCurator để phân loại đồng thời cả loại tác vụ (Task Type) và độ phức tạp (Complexity) của các đoạn prompt tiếng Anh. Mô hình hỗ trợ thương mại và tích hợp sẵn trong pipeline của NeMo Curator.
✨ Điểm nổi bật
- Phân loại 11 loại tác vụ: Open QA, Closed QA, Summarization, Text Generation, Code Generation, Chatbot, Classification, Rewrite, Brainstorming, Extraction, Other
- Đánh giá 6 chiều độ phức tạp: Creativity, Reasoning, Contextual Knowledge, Domain Knowledge, Constraints, Number of Few Shots
- Điểm số tổng thể: Tính toán bằng tổng trọng số của các chiều độ phức tạp
- Kiến trúc DeBERTa đa đầu ra: Dự đoán đồng thời task và complexity trong một truyền xuống duy nhất
- Hỗ trợ commercial use: Phát hành dưới NVIDIA Open Model License Agreement
- Tích hợp với NeMo Curator: Cung cấp pipeline xử lý dữ liệu và ví dụ notebook
- Token giới hạn 512: Mặc định cắt cắt đoạn đầu vào, hỗ trợ tối đa 12k token lý thuyết
- Đầu ra kết hợp: Trả về cả phân loại dạng text và điểm số dạng số
💡 Vì sao đáng chú ý
Khác với các mô hình phân loại prompt đơn lẻ, mô hình này đồng thời đánh giá cả bản chất tác vụ và mức độ khó của prompt thông qua 6 tiêu chí riêng biệt. Điều này giúp người dùng không chỉ biết prompt thuộc loại nào mà còn nắm rõ mức độ sức mạnh cần thiết để xử lý — hữu ích cho việc đánh giá bộ dữ liệu huấn luyện hoặc thiết kế prompt tối ưu.
#PromptClassifier #LLM #DeBERTa #NeMoCurator #NVIDIA #ModelHub #TiniX
Similar Projects
Discover other similar projects and AI models.
!FLUX.1 dev Grid(./devgrid.jpg) FLUX.1 dev is a 12 billion parameter rectified flow transformer capable of generating images from text descriptions. For more information, please read our blog post(https://blackforestlabs.ai/announcing-black-forest-la...
all-MiniLM-L6-v2 This is a sentence-transformers(https://www.SBERT.net) model: It maps sentences & paragraphs to a 384 dimensional dense vector space and can be used for tasks like clustering or semantic search. Usage (Sentence-Transformers) Using t...
NemoCurator Quality Classifier DeBERTa Model Overview This is a text classification model that can enable qualitative data annotation, creation of quality-specific blends and addition of metadata tags. The model classifies documents into one of thre...
NemoCurator Content Type Classifier DeBERTa Model Overview This is a text classification model designed to categorize documents into one of 11 distinct speech types based on their content. It analyzes and understands the nuances of textual informati...
📰 Tech Blog | 📄 Full Report 1. Model Introduction Kimi K3 is an open-weight, native multimodal agentic model and our most capable model to date. It is a 2.8T-parameter model built on Kimi Delta Attention (K...
MiniMax H3 System Overview MiniMax H3 is a general-purpose, omni-modal generative system. It supports unified understanding of multimodal contexts composed of text, images, video, and audio, and can generate video with native stereo audio at resolut...
Qwen3.8-Flash-Next !Note This repository contains model weights and configuration files for the post-trained model in the Hugging Face Transformers format. These artifacts are compatible with Hugging Face Transformers, vLLM, SGLang, TokenSpeed, etc....
SAM 3 is a unified foundation model for promptable segmentation in images and videos. It can detect, segment, and track objects using text or visual prompts such as points, boxes, and masks. Compared to its predecessor SAM 2(https://github.com/facebo...
Qwen3.8-27B !Note This repository contains model weights and configuration files for the post-trained model in the Hugging Face Transformers format. These artifacts are compatible with Hugging Face Transformers, vLLM, SGLang, TokenSpeed, etc. !Tip F...