Характеристики

Лицензия: Apache 2.0
Базовая модель: bert-base-multilingual-uncased
Библиотека: transformers
Опубликована: 25 дек 2024

Ссылки

Hugging Face

populism_multilingual_bert_uncased

AnonymousCS

Заполнение пропусковТекст → текст

Дообученная многоязычная BERT-модель для восстановления замаскированных слов в тексте.

0скачиваний за 30 дней0лайковвеса обновлены30 дек 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

Это дообученная модель AnonymousCS на основе google-bert/bert-base-multilingual-uncased. Она предназначена для восстановления замаскированных слов в многоязычном тексте с помощью задачи fill-mask. Базовая модель поддерживает 102 языка; карточка не раскрывает данные обучения и дополнительную специализацию модели.

Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0. Архитектура унаследована от многоязычного BERT. Карточка не содержит сведений о размере модели, длине контекста или результатах оценки.

Сценарии применения

подстановка пропущенного слова в предложении
получение кандидатов для замаскированного токена
проверка языковых контекстов в многоязычном тексте

Ограничения

Данные обучения, специализация и качество модели не описаны, поэтому её пригодность для конкретных языков и задач не подтверждена оценками.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

populism_multilingual_bert_uncased

This model is a fine-tuned version of google-bert/bert-base-multilingual-uncased 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: 5e-05
train_batch_size: 128
eval_batch_size: 128
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: bab4c3b