Характеристики

Контекст: 514 токенов
Параметры: 659 млн
Архитектура: xlm-roberta · dense
Опубликована: 25 авг 2022

Ссылки

Hugging Face

xlm-roberta-large-finetuned-naija

Davlan

Заполнение пропусковТекст → текст3 профессии

Дообученная XLM-RoBERTa для предсказания замаскированных слов в тексте, в том числе в задачах, связанных с Наиджей.

165скачиваний за 30 дней0лайковвеса обновлены25 авг 2022

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-large-finetuned-naija — модель семейства XLM-RoBERTa, дообученная для заполнения пропусков в тексте. Веса имеют архитектуру XLMRobertaForMaskedLM, содержат около 658,7 млн параметров и доступны в формате PyTorch; максимальная длина контекста — 514 токенов. В карточке указано, что модель дообучена на базе models/pcm_xlmr/, однако набор данных и подробности обучения не описаны.

Модель подходит для предсказания замаскированных слов в текстах, в том числе для языковых задач, связанных с Наиджей. Карточка приводит значение eval_loss 0,8021, но не описывает методику оценки или практические ограничения качества. Лицензия в предоставленных данных не указана.

Сценарии применения

подстановка пропущенного слова в предложении
оценка вероятных вариантов замены замаскированного токена
анализ контекста для восстановления пропусков в тексте

Ограничения

Данные обучения и подробности оценки не описаны, поэтому приведённую метрику eval_loss нельзя напрямую трактовать как показатель качества в практических сценариях. Лицензия в предоставленных данных не указана.

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 II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

pcm_xlmr

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

eval_loss: 0.8021
eval_runtime: 48.0467
eval_samples_per_second: 32.448
eval_steps_per_second: 4.059
step: 0

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: 5
eval_batch_size: 8
seed: 42
distributed_type: multi-GPU
gradient_accumulation_steps: 2
total_train_batch_size: 10
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 3.0

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: cec9d19