Модель Koichi Yasuoka на базе Qwen2 размечает части речи и грамматические признаки в текстах на классическом китайском языке.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
Koichi Yasuoka разработал модель на базе Qwen2 с 1,5 млрд параметров для разметки частей речи в классическом китайском языке. Модель предварительно обучена на текстах на классическом китайском и присваивает словам метки UPOS и грамматические признаки FEATS; в Hugging Face она отнесена к задаче token-classification. Архитектура — плотная Qwen2, формат весов — PyTorch, заявленная длина контекста — 131 072 токена.
Модель подходит для морфосинтаксического анализа и подготовки корпусов классического китайского языка, включая автоматическую разметку частей речи и грамматических признаков. Лицензия Apache-2.0. Карточка показывает базовую модель Xunzi-Qwen2-1.5B, однако её идентификатор на Hugging Face не указан.
Модель предназначена для разметки классического китайского языка; качество на современном китайском и других языках не подтверждено. В README для запуска pipeline указано trust_remote_code=True.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
This is a Qwen2 model pre-trained on Classical Chinese texts for POS-tagging, derived from Xunzi-Qwen2-1.5B. Every word is tagged by UPOS (Universal Part-Of-Speech) and FEATS.
from transformers import pipeline
nlp=pipeline("upos","KoichiYasuoka/Xunzi-Qwen2-1.5B-upos",trust_remote_code=True,aggregation_strategy="simple")
print(nlp("不入虎穴不得虎子"))
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · token-classification
Подбираем GPU…