/ Модель

Характеристики

Контекст
514 токенов
Параметры
152 млн
Лицензия
CC BY 4.0
Архитектура
roberta · dense

roberta-base-scandinavian

Заполнение пропусковТекст → текст3 профессии

Модель RoBERTa с 151,8 млн параметров для предсказания замаскированных фрагментов датского текста.

200скачиваний за 30 дней0лайковвеса обновлены23 сен 2021

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

DDSC/roberta-base-scandinavian — языковая модель семейства RoBERTa с 151,8 млн параметров, разработанная для скандинавских текстов. Она обучена на корпусе mC4 и доступна в форматах PyTorch и Flax/JAX; длина контекста составляет 514 токенов. Основная задача модели — предсказание замаскированных фрагментов текста.

Модель подходит для заполнения пропусков и изучения контекстных представлений скандинавского языка в исследовательских и прикладных экспериментах. В метаданных указан датский язык, поэтому описание многоязычной поддержки скандинавских языков не подтверждается. Лицензия — CC BY 4.0; при использовании необходимо соблюдать её условия, включая атрибуцию.

Сценарии применения

  • заполнение пропусков в датских предложениях
  • подбор слова по контексту в датском тексте
  • получение контекстных представлений датских текстов для экспериментов

Ограничения

README краток и не приводит оценок качества или подробностей обучения; поэтому заявлять о поддержке других скандинавских языков нельзя.

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

Scandinavian Roberta Base - MC4

Description

This is a sample reference model for Flax/Jax training using only on the MC4. It is trained for roughly three day on a TPU v3-8. Training procedure...


Description

My description

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
9e586e3

0 моделей