本提交使用 R-BERT 关系分类模型，并对 5 个不同随机种子的模型预测结果做多数投票集成。

models/ 中是训练后的 5 个模型权重。predict_ensemble.py 是测试集预测代码，默认加载这 5 个模型，在测试集上分别预测，然后对每个样本做多数投票，输出最终预测标签。

由于模型文件较大，训练后的 R-BERT checkpoint 已上传到 Hugging Face：

基础 BERT bert-base-uncased/ 也已上传到同一个 Hugging Face 仓库内。

dataset/SemEval/ 已经放在提交目录内。运行预测前需要先下载 models/ 权重和 bert-base-uncased/。

需要安装：

解压后进入本提交目录，先下载模型权重：

然后运行预测：

输出文件：

该文件每行一个关系类别 id，对应测试集一条样本。

5 个模型使用相同超参数，不同随机种子：

训练时使用验证集 dev_macroF1 作为保存最佳 checkpoint 和 early stopping 的指标。

Seed 1:

Seed 2:

Seed 3:

Seed 4:

Seed 5: