Характеристики

Контекст: 512 токенов
Параметры: 152 млн
Лицензия: MIT
Архитектура: deberta · dense
Базовая модель: deberta-base
Опубликована: 4 янв 2024

Ссылки

Hugging Face

PreTraining-MLM

Amna100

Заполнение пропусковТекст → текст3 профессии

Дообученная DeBERTa-base восстанавливает замаскированные токены в тексте и подходит для дальнейшего дообучения.

12скачиваний за 30 дней0лайковвеса обновлены4 янв 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

Amna100/PreTraining-MLM — дообученная модель Microsoft DeBERTa-base для восстановления замаскированных токенов в тексте. Она предназначена для задач fill-mask и может служить основой для дальнейшего дообучения на задачах понимания текста. Модель содержит 151,8 млн параметров, принимает текст с контекстом до 512 токенов и сохранена в формате Safetensors.

В README приведено значение loss 2,2737 на оценочном наборе, однако сведения о датасете, языках обучения и сценариях применения не раскрыты. Модель распространяется по лицензии MIT.

Сценарии применения

Подстановка пропущенного слова в предложении
Предсказание вероятных токенов на месте маски
Подготовка текстовой модели к дальнейшему дообучению

Ограничения

README не раскрывает датасет, языки обучения и конкретные ограничения применения; приведён только результат loss 2,2737 на оценочном наборе.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

PreTraining-MLM

This model is a fine-tuned version of microsoft/deberta-base on the None dataset. It achieves the following results on the evaluation set:

Loss: 2.2737

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: 3.0
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss
4.4141	1.0	461	3.0382
2.8397	2.0	922	2.4315
2.5045	3.0	1383	2.2767

Framework versions

Transformers 4.37.0.dev0
Pytorch 2.1.0+cu121
Datasets 2.16.1
Tokenizers 0.15.0

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: DebertaForMaskedLM
Ревизия весов: ee39c30