Характеристики

Контекст: 512 токенов
Параметры: 137 млн
Лицензия: Apache 2.0
Архитектура: bert · dense
Базовая модель: bert-base-uncased
Опубликована: 25 июл 2024

Ссылки

Hugging Face

results

Elvis811

Заполнение пропусковТекст → текст

Дообученная англоязычная BERT-модель для предсказания замаскированных токенов в тексте.

7скачиваний за 30 дней0лайковвеса обновлены25 июл 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

Elvis811/results — дообученная модель BERT Base Uncased, опубликованная пользователем Elvis811. Это плотная трансформерная модель с архитектурой BertForMaskedLM и примерно 136,7 млн параметров; она предназначена для заполнения пропусков в англоязычном тексте. Модель принимает текст с маскированными позициями и предсказывает подходящие токены. Контекстное окно — до 512 токенов.

Модель сохранена в формате safetensors и распространяется по лицензии Apache-2.0. Данные дообучения и результаты оценки в карточке не описаны, поэтому качество и специализацию сверх задачи fill-mask установить нельзя.

Сценарии применения

подстановка пропущенного слова в предложении
предсказание токена в замаскированном тексте
проверка языковых гипотез с помощью маскированных токенов

Ограничения

Датасет дообучения и результаты оценки не описаны, поэтому качество и возможную предметную специализацию модели определить нельзя. Контекст ограничен 512 токенами.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

results

This model is a fine-tuned version of google-bert/bert-base-uncased on an unknown dataset.

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: 4
eval_batch_size: 4
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 3
mixed_precision_training: Native AMP

Framework versions

Transformers 4.42.4
Pytorch 2.3.1+cu121
Datasets 2.20.0
Tokenizers 0.19.1

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: BertForMaskedLM
Ревизия весов: 01056f2