/ Модель

Характеристики

Контекст
514 токенов
Параметры
152 млн
Лицензия
MIT
Архитектура
roberta · dense
Базовая модель
amazon_pretraining_5M_model_corrected
Опубликована
16 апр 2024

dapt_plus_tapt_helpfulness_base_pretraining_model

Заполнение пропусковТекст → текст3 профессии

Дообученная RoBERTa-модель для предсказания замаскированных слов в тексте.

13скачиваний за 30 дней0лайковвеса обновлены16 апр 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

BigTMiami дообучила модель BigTMiami/amazon_pretraining_5M_model_corrected для заполнения пропусков в тексте. Это модель семейства RoBERTa с архитектурой RobertaForMaskedLM и 151,8 млн параметров; максимальный контекст составляет 514 токенов. Модель опубликована в формате safetensors под лицензией MIT.

Карточка сообщает о результате loss 1,4446 на тестовой выборке, но не описывает датасет, область применения или ограничения. Модель подходит для предсказания замаскированных токенов в тексте; качество в конкретных сценариях по имеющимся сведениям оценить нельзя.

Сценарии применения

  • подстановка пропущенного слова в предложении
  • предсказание замаскированных токенов
  • контекстное исследование вариантов слова
  • оценка языковых представлений текста

Ограничения

Датасет дообучения и целевая область применения не описаны; указана лишь оценка loss 1,4446 на тестовой выборке.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

dapt_plus_tapt_helpfulness_base_pretraining_model

This model is a fine-tuned version of BigTMiami/amazon_pretraining_5M_model_corrected on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 1.4446

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: 0.0001
  • train_batch_size: 21
  • eval_batch_size: 21
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 42
  • optimizer: Adam with betas=(0.9,0.98) and epsilon=1e-06
  • lr_scheduler_type: linear
  • num_epochs: 100

Training results

Training LossEpochStepValidation Loss
1.67841.02321.5304
1.60142.04651.5186
1.58473.06971.5100
1.54924.09301.4959
1.53695.011621.5022
1.50866.013951.4919
1.49537.016271.4770
1.47298.018601.4840
1.46129.020921.4719
1.450210.023251.4595
1.43611.025571.4670
1.417812.027901.4709
1.405513.030221.4514
1.395114.032551.4595
1.384815.034871.4585
1.367816.037201.4752
1.365917.039521.4636
1.352318.041851.4515
1.344319.044171.4609
1.328520.046501.4590
1.328321.048821.4595
1.310922.051151.4490
1.311123.053471.4457
1.296424.055801.4543
1.294525.058121.4500
1.279226.060451.4537
1.274127.062771.4428
1.260328.065101.4508
1.260929.067421.4473
1.24630.069751.4458
1.243631.072071.4473
1.232432.074401.4384
1.228233.076721.4368
1.216434.079051.4466
1.214635.081371.4460
1.202236.083701.4520
1.199137.086021.4509
1.19138.088351.4412
1.190939.090671.4449
1.177740.093001.4521
1.176241.095321.4582
1.16642.097651.4403
1.161843.099971.4484

Framework versions

  • Transformers 4.38.2
  • Pytorch 2.2.1+cu121
  • Datasets 2.18.0
  • Tokenizers 0.15.2

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
RobertaForMaskedLM
Ревизия весов
35b8652

0 моделей