Предварительно обученная DeBERTa V2 для заполнения пропусков и дообучения на задачах анализа коптского языка.
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 эту модель DeBERTa V2 и предварительно обучил её на корпусах Coptic Scriptorium. Это языковая модель с 115,6 млн параметров, предназначенная для заполнения пропусков в тексте на коптском языке и дальнейшей настройки под задачи обработки коптских текстов.
Модель можно дообучать для разметки частей речи, синтаксического анализа зависимостей и других прикладных задач. Она принимает текст и предсказывает замаскированные токены; максимальная длина контекста составляет 512 токенов. Доступны веса PyTorch.
Модель распространяется по лицензии CC BY-SA 4.0. Качество для конкретных задач после дообучения в карточке не оценено.
Для разметки частей речи, синтаксического анализа и других downstream-задач модель нужно дообучить. Контекст ограничен 512 токенами.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
This is a DeBERTa(V2) model pre-trained on Coptic Scriptorium Corpora. You can fine-tune deberta-base-coptic for downstream tasks, such as POS-tagging, dependency-parsing, and so on.
from transformers import AutoTokenizer,AutoModelForMaskedLM
tokenizer=AutoTokenizer.from_pretrained("KoichiYasuoka/deberta-base-coptic")
model=AutoModelForMaskedLM.from_pretrained("KoichiYasuoka/deberta-base-coptic")
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · fill-mask
Подбираем GPU…