Характеристики

Контекст: 514 токенов
Параметры: 305 млн
Лицензия: MIT
Архитектура: xlm-roberta · dense
Опубликована: 25 авг 2022

Ссылки

Hugging Face

xlm-roberta-base-finetuned-arabic

Davlan

Заполнение пропусковТекст → текст3 профессии

Дообученная XLM-RoBERTa для предсказания замаскированных токенов, ориентированная на арабский текст.

66скачиваний за 30 дней1лайквеса обновлены25 июн 2023

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

Davlan/xlm-roberta-base-finetuned-arabic — модель XLM-RoBERTa для восстановления замаскированных токенов в тексте. Она дообучена на базе xlm-roberta-base на неизвестном наборе данных; в карточке приведено значение потерь 1,6612 на оценочной выборке. Модель содержит 305,2 млн параметров, принимает текстовые последовательности с контекстом до 514 токенов и выдаёт вероятные варианты вместо замаскированных фрагментов.

Модель предназначена для задач заполнения пропусков в тексте, в частности для арабского языка, на что указывает название репозитория. Архитектура — XLM-RoBERTa с головой masked language modeling. Лицензия — MIT. Данных об обучающем наборе, подробных оценках качества и ограничениях применения в карточке нет.

Сценарии применения

восстановление пропущенных слов в арабском тексте
подбор вероятного токена для заполнения маски
изучение арабской лексики с упражнениями на пропуски

Ограничения

Обучающий датасет неизвестен, а карточка сообщает только значение потерь 1,6612 на оценочной выборке; широкая оценка качества отсутствует.

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 I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель I.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

ar_xlmr-base

This model is a fine-tuned version of xlm-roberta-base on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 1.6612

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: 10
eval_batch_size: 8
seed: 42
distributed_type: multi-GPU
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 3.0

Training results

Framework versions

Transformers 4.21.1
Pytorch 1.7.1+cu110
Datasets 1.16.1
Tokenizers 0.12.1

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: XLMRobertaForMaskedLM
Ревизия весов: 26ac01f