All three tested encoder classifiers learn the fact-presence task on MuSiQue dev, with DeBERTa-v3-large attaining the highest reported F1 of 0.785.

All three tested encoder classifiers learn the fact-presence task on MuSiQue dev, with DeBERTa-v3-large attaining the highest reported F1 of 0.785. · CiteArk

测量结果

已评估 0/12 项

获得支持 0有争议或冲突 0尚未评估 12

保留同一结论下的完整结果组。已有评估排在前面；单项判断不替代整组结论。展开行查看条件、来源与历次证据。

每行是一项测量，分别显示论文报告、最近可用实测和累计证据状态。
指标与条件	论文报告	最近可用实测	证据判断
model: BERT-base	110 millions	—	尚未评估
model: BERT-base	0.753 score	—	尚未评估
model: BERT-base	0.737 score	—	尚未评估
model: BERT-base	0.745 score	—	尚未评估
model: RoBERTa-large	355 millions	—	尚未评估
model: RoBERTa-large	0.84 score	—	尚未评估
model: RoBERTa-large	0.683 score	—	尚未评估
model: RoBERTa-large	0.754 score	—	尚未评估
model: DeBERTa-v3-large	435 millions	—	尚未评估
model: DeBERTa-v3-large	0.805 score	—	尚未评估
model: DeBERTa-v3-large	0.765 score	—	尚未评估
model: DeBERTa-v3-large	0.785 score	—	尚未评估

All three tested encoder classifiers learn the fact-presence task on MuSiQue dev, with DeBERTa-v3-large attaining the highest reported F1 of 0.785.

报告指标与观测值

Assessment（0）

关联运行（0）

测量结果