Характеристики

Контекст: 512 токенов
Параметры: 138 млн
Архитектура: bert · dense
Опубликована: 2 мая 2024

Ссылки

Hugging Face

bert-base-arabic_ArLAMA

AfnanTS

Заполнение пропусковТекст → текст

Дообученная арабская BERT-модель для предсказания пропущенных токенов в тексте.

100скачиваний за 30 дней0лайковвеса обновлены2 мая 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

AfnanTS/bert-base-arabic_ArLAMA — дообученная версия арабской модели BERT asafaya/bert-base-arabic для заполнения пропусков в тексте. Она принимает текст с замаскированным токеном и предсказывает подходящий токен на его месте. Модель имеет архитектуру BertForMaskedLM, содержит 137,8 млн параметров, поддерживает контекст до 512 токенов и доступна в формате PyTorch.

Карточка указывает, что модель дообучена на неизвестном датасете; дополнительные сведения о данных, оценке и ограничениях не приведены. Лицензия в предоставленных сведениях не указана.

Сценарии применения

восстановление пропущенных слов в арабском тексте
подбор токена для замаскированного места в предложении
проверка контекстной совместимости арабских слов

Ограничения

Данные обучения и результаты оценки не описаны, поэтому качество на конкретных текстах установить нельзя. Лицензия не указана в предоставленных сведениях.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

bert-base-arabic_ArLAMA

This model is a fine-tuned version of asafaya/bert-base-arabic on an unknown dataset.

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

learning_rate: 2e-05
train_batch_size: 8
eval_batch_size: 8
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 2

Training results

Framework versions

Transformers 4.27.1
Pytorch 2.2.1+cu121
Datasets 2.19.0
Tokenizers 0.13.3

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры: BertForMaskedLM
Ревизия весов: 113dc80