摘要
我们的研究重点在于图基关系推理变压器（Graph-based Relation Inference Transformer, GRIT）的分析和改进，该模型在该领域中是一个重要的基准。我们使用PISC-fine数据集进行了全面的消融研究，以发现并探索GRITv2在效率和性能上的提升。本研究提供了一种新的最先进的关系识别模型，适用于PISC关系数据集。我们在GRIT模型中引入了若干新特性，并对两个版本的新基准进行了分析：大型版GRITv2-L和小型版GRITv2-S。我们提出的GRITv2-L在关系识别方面超越了现有方法，而GRITv2-S的性能仅比GRITv2-L低2%，但其模型大小和参数仅为GRITv2-L的0.0625倍。此外，我们还解决了模型压缩的需求，这是在资源受限平台上部署高效模型的关键领域。通过应用量化技术，我们将GRITv2-S的模型大小高效地缩减至22MB，并成功部署到旗舰级的一加12手机上，其性能仍然超过了PISC-fine数据集的基准，突显了我们的模型在移动设备上的实际可行性和改进后的效率。