Характеристики

Лицензия: Apache 2.0
Базовая модель: bert-base-uncased
Библиотека: transformers
Опубликована: 9 янв 2025

Ссылки

Hugging Face

populism_english_bert_base_uncased

AnonymousCS

Заполнение пропусковТекст → текст

Дообученная англоязычная BERT-модель для предсказания замаскированных слов в тексте.

0скачиваний за 30 дней0лайковвеса обновлены11 янв 2025

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

Это дообученная англоязычная модель BERT base uncased, созданная на основе google-bert/bert-base-uncased и опубликованная пользователем AnonymousCS. Она предназначена для заполнения пропусков в тексте: модель предсказывает замаскированный токен с учётом окружающего контекста. Число параметров и длина контекста в предоставленных данных не указаны.

В карточке приведены метрики на оценочном наборе: loss 0,8859 и accuracy 0,8029. Датасет и специальные сценарии обучения не описаны, поэтому результаты не позволяют судить о качестве на конкретной тематике. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

подстановка пропущенного слова в английском предложении
подбор вероятного токена по контексту
демонстрация работы задачи fill-mask
оценка языковых представлений BERT в эксперименте

Ограничения

Датасет обучения и назначение дообучения подробно не описаны; приведённые метрики относятся только к оценочному набору без сведений о его составе. Модель ориентирована на английский язык.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

populism_english_bert_base_uncased

This model is a fine-tuned version of google-bert/bert-base-uncased on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.8859
Accuracy: 0.8029

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: 5e-05
train_batch_size: 256
eval_batch_size: 256
seed: 42
optimizer: Use adamw_torch with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
num_epochs: 3.0

Training results

Framework versions

Transformers 4.48.0.dev0
Pytorch 2.5.1+cu124
Datasets 3.2.0
Tokenizers 0.21.0

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · fill-mask

Нельзя запустить

Доступ к модели ограничен автором; у платформы нет доступа к весам.

Ревизия весов: a03f94e