gliner2-robot-multi-v11

面向家用机器人语音指令的中文/英文意图识别与槽位抽取模型。基于 fastino/gliner2-multi-v1 （mDeBERTa-v3-base 编码器）全参数微调，可直接理解中文，无需先翻译成英文。

支持的意图（10 类）

go_to（导航）、bring（取物）、set_device（设备控制）、find_person （找人）、stop（停止）、clean（清扫）、set_medication_reminder （用药提醒）、query_medication（用药查询）、patrol（巡逻）、 check_status（状态查询）。

训练方式

• 训练数据：22,000 条中英均衡语料（每意图、每语言各 1,000 条，另含等量 界外负例），来源包括能力模板生成、Amazon MASSIVE（CC-BY-4.0）、 GPSRCmdGen（MIT）语法扩展，以及经过槽位字面校验的本地 LLM 改写增强。
• 训练配置：3 个 epoch、batch 8、encoder lr 1e-5、task lr 5e-4， 官方 GLiNER2Trainer API。
• 本仓库为按端到端管线指标（而非验证损失）选出的 epoch-2 检查点。

评测结果（110 条配对中文保留集）

指标	数值
意图准确率	91%
槽位 F1	90.5%
完全匹配	83%
界外拒绝率	90%

同一保留集的英文版本：意图 98%、完全匹配 83%。

使用

配套推理代码（含意图/槽位模式构建、中文分词与能力接地校验）见发布仓库； 也可直接用 gliner2 库加载：

from gliner2 import GLiNER2

model = GLiNER2.from_pretrained("Icerm/gliner2-robot-multi-v11")
schema = model.create_schema()
schema = schema.classification("intent", {"set_device": "操作家中设备", "check_status": "查询设备状态"})
schema = schema.entities({"device": "要操作的设备", "state": "目标状态", "location": "房间"})
print(model.extract("厨房 的 灯 现在 还 开着 吗", schema, include_confidence=True))

注意：中文输入需要先按词分隔（推理代码使用 jieba，并把领域词表注入 分词器），推理时的实体描述应与部署配置保持一致。