/ Модель

Характеристики

Контекст
514 токенов
Параметры
659 млн
Лицензия
MIT
Архитектура
xlm-roberta · dense
Базовая модель
xlm-roberta-large
Опубликована
4 окт 2023

EthioLLM-l-250K

Заполнение пропусковТекст → текст3 профессии

Многоязычная модель XLM-RoBERTa для предсказания пропущенных токенов в текстах на языках Эфиопии.

104скачиваний за 30 дней0лайковвеса обновлены3 апр 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

EthioLLM-l-250K — дообученная модель EthioNLP на базе FacebookAI/xlm-roberta-large. Она предназначена для задачи fill-mask: модель предсказывает пропущенный токен в тексте. Веса содержат 658,7 млн параметров, архитектура — XLM-RoBERTa, формат — PyTorch, максимальный контекст — 514 токенов. По языковым тегам модель поддерживает амхарский, оромо, тигринья, сомали и геэз. Указана лицензия MIT. В README приведён результат оценки Loss 3,0552, но набор данных и подробности оценки не описаны.

Сценарии применения

  • восстановление пропущенных слов в амхарском тексте
  • подбор вероятного токена для заполнения пропуска в оромо
  • анализ контекста предложения на тигринья
  • восстановление пропусков в текстах на сомали и геэз
  • подготовка языковых признаков для последующих NLP-задач

Ограничения

README не описывает обучающий набор данных и предполагаемые сценарии применения; приведён только результат Loss 3,0552 без подробностей оценки. Максимальный контекст составляет 514 токенов.

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

EthioLLM-l-250K

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

  • Loss: 3.0552

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
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 10.0

Training results

Framework versions

  • Transformers 4.33.3
  • Pytorch 2.0.1+cu117
  • Datasets 2.14.5
  • Tokenizers 0.13.3

Citation Information

@article{tonja2024ethiollm, title={EthioLLM: Multilingual Large Language Models for Ethiopian Languages with Task Evaluation}, author={Tonja, Atnafu Lambebo and Azime, Israel Abebe and Belay, Tadesse Destaw and Yigezu, Mesay Gemeda and Mehamed, Moges Ahmed and Ayele, Abinew Ali and Jibril, Ebrahim Chekol and Woldeyohannis, Michael Melese and Kolesnikova, Olga and Slusallek, Philipp and others}, journal={arXiv preprint arXiv:2403.13737}, year={2024} }

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
c9434ca

0 моделей