Recebe um par de frases como entrada e classifica o par de entrada como 'implicação' ou 'não-implicação'. O rótulo de classe implicação implica que a segunda frase implica a primeira frase, e a não-implicação implica que não. O modelo de Embedding de Texto que é pré-treinado em Texto em Inglês retorna um embedding do par de frases de entrada. O modelo disponível para implantação é criado anexando uma camada de classificação binária à saída do modelo de Embedding de Texto, e depois ajustando todo o modelo no conjunto de dados [QNLI](https://rajpurkar.github.io/SQuAD-explorer/ ). PyTorch, o logotipo do PyTorch e quaisquer marcas relacionadas são marcas registradas do Facebook, Inc.