Характеристики

Контекст: 512 токенов
Параметры: 143 млн
Архитектура: bert · dense

Ссылки

vibert-base-cased

Предварительно обученный вьетнамский BERT от FPT.AI для получения контекстных представлений текста и адаптации к NLP-задачам.

5 506скачиваний за 30 дней13лайковвеса обновлены19 мая 2021

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

viBERT-base-cased — предварительно обученная языковая модель BERT для вьетнамского языка, разработанная FPT.AI. Она предназначена для использования как основа для задач обработки вьетнамского текста, включая разметку последовательностей после дообучения. Это двунаправленный энкодер BERT примерно на 142,6 млн параметров с контекстом до 512 токенов; доступны веса PyTorch и Flax. Модель принимает текст и формирует контекстные представления, а конкретные метки или ответы зависят от добавленной задачи и дообученной головы. Карточка Hugging Face не указывает лицензию; первоисточник описывает модель как предварительно обученную для вьетнамского BERT.

Сценарии применения

дообучение для разметки последовательностей на вьетнамском языке
создание классификатора вьетнамских текстов
извлечение сущностей из вьетнамских документов
получение контекстных представлений вьетнамского текста

Ограничения

Это базовый энкодер, а не готовая разговорная модель: для классификации или разметки нужны соответствующая голова и, как правило, дообучение. Контекст ограничен 512 токенами; лицензия в доступной карточке не указана.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Также подходит для

I.4Обработка документов и форм

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Автор не опубликовал карточку модели.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

У модели не указана задача.

Ревизия весов: 728a912