currylym

As above～

dice loss疑问

8

请问如果要复现mrc-ner模型下dice loss的效果，采用当前仓库dice loss的写法么🤔 看到https://github.com/ShannonAI/mrc-for-flat-nested-ner/blob/master/loss/adaptive_dice_loss.py 仓库下也有对应的实现，有点疑问咨询下大佬，感谢🙏

gradient block

1

有两个问题请教一下大佬： https://github.com/rener1199/deep_memory/blob/4840faaf6b5b65a9d8dcf3dbc19a42f7acf49b92/model_mem_wide_deep.py#L122 1.这里h_mem和mem_layer作用是什么 https://github.com/rener1199/deep_memory/blob/4840faaf6b5b65a9d8dcf3dbc19a42f7acf49b92/model_mem_wide_deep.py#L66 2.gradient block是通过这里stop_gradient实现的吗 谢谢~

关于微调时数据组织方式

5

原始数据：pair模式的正负样本 rerank微调数据组织方式： 1. 对于正样本，使用难样本采样策略，使用默认参数 2. 对于负样本A-B，构造成{"query": A, "pos": [A], "neg": [B]}，后续也采用难样本采样策略继续补充neg样本；话说这里用大模型生成一个假的正样本A'，效果会好一些吗🤔 这样微调bge-reranker-v2-m3后，训练loss正常下降，但是测试集上指标变化不大；打分表现是分数整体变小，都偏负数 请教下，如果我想保留人工标注的负样本对数据，应该怎么构造reranker的微调数据呢？ 感谢🙏