XLM-RoBERTa-Large-En-Ru
Model description
This model is a version XLM-RoBERTa with embeddings and vocabulary reduced to most frequent tokens in English and Russian.
Характеристики
- Контекст
- 514 токенов
- Параметры
- 439 млн
- Архитектура
- xlm-roberta · dense
Ссылки
xlm-roberta-large-en-ru
Модель XLM-RoBERTa для извлечения признаков и получения представлений англо- и русскоязычного текста.
65скачиваний за 30 дней6лайковвеса обновлены15 ноя 2021
Бенчмарки
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
Тесты пользователейпока нет
Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.
Добавьте модель в бенчмарк
Вместе с другими моделями категории «Эмбеддинги» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Запустите и опубликуйте
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.
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
DeepPavlov/xlm-roberta-large-en-ru — версия XLM-RoBERTa, разработанная DeepPavlov, с уменьшенным до наиболее частотных токенов английского и русского языков словарём и соответствующими эмбеддингами. Это плотная модель на архитектуре XLM-RoBERTa с 438,5 млн параметров, предназначенная для извлечения признаков из текста и получения текстовых представлений на английском и русском языках.
Контекст модели составляет до 514 токенов. Она подходит для построения признаковых представлений в многоязычных текстовых системах; в доступной карточке не описаны специализированные задачи или сравнительные результаты. Модель опубликована в формате PyTorch.
Сценарии применения
- получение векторных представлений русских текстов
- получение векторных представлений английских текстов
- извлечение признаков текста для последующих ML-моделей
Ограничения
Словарь и эмбеддинги сокращены до наиболее частотных токенов английского и русского языков, поэтому охват других языков и редкой лексики ограничен. Контекст ограничен 514 токенами.
Для каких профессий подходит6
Разделы каталога профессий, в задачах которых используется эта модель
II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейII.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделейI.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделейI.12Универсальные способностиРекомендации и персонализацияAI помогает подбирать релевантные варианты и адаптировать опыт под конкретного человека или ситуацию.15 задач7 627моделей
Также подходит для
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…
- Класс архитектуры
- XLMRobertaModel
- Ревизия весов
- da9f180