跳转至

GLiClass：动态候选轻量分类

论文信息

字段 内容
论文链接 arXiv 2508.07662
公司/机构 Knowledgator（按第一作者署名单位）
首次公开日期 2025-08-11（arXiv v1）
原文开源代码 有：Knowledgator/GLiClass
Adapter / 方法 system-one:bilinear-ce、system-one:rival-ce
本地复现代码 src/auto_research/system_one/

原始论文总结

背景与主要改动

GLiClass 把文本和运行时给定的候选标签放进同一个分类接口，避免生成式 LLM 的解析不稳定，也避免 cross-encoder 对每个文本—标签对逐次推理。本仓库保留“候选内容参与打分”和“一次归一化得到全候选分布”这两个定义性机制。

flowchart LR
  S[状态文本] --> E[文本编码]
  C[动态候选及描述] --> L[候选编码]
  E --> X[双线性或 rival-centered 交互]
  L --> X
  X --> P[softmax 概率与选择]

本地实现是 NumPy 机制基线，不加载 GLiClass 权重，不宣称复现论文的完整 Transformer、PPO 多标签训练或论文数值。它用于 System One 的 Banking77 统一协议和 Evolve operator。

原论文关键图

GLiClass：动态候选轻量分类 原论文 Figure 1

原论文 Figure 1（关键图）：展示原论文提出的核心架构、主要模块及其连接关系。图片来自原论文，版权归原作者所有；点击图片可查看来源。

核心公式

本地 scorer 计算 softmax(h_state W h_candidate)；rival 版本先把同一问题中的候选表示中心化再打分。

论文离线与线上效果

论文报告多任务 zero/few-shot 分类结果。本仓库不横比不同模型规模和硬件下的论文数字，只在统一 Banking77 协议中报告本地实现。

复现边界

只复现动态候选交互与一次归一化机制，不复现 GLiClass 完整权重、训练语料或 PPO 流程。