Компактная DeBERTaV2, предварительно обученная на коптских текстах для восстановления замаскированных токенов и дообучения на лингвистические задачи.
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 компактную модель DeBERTaV2, предварительно обученную на корпусах Coptic Scriptorium. Модель содержит около 11 млн параметров и принимает последовательности длиной до 128 токенов.
Она предсказывает замаскированные токены в коптском тексте и может служить основой для дообучения на разметку частей речи, синтаксический разбор зависимостей и другие задачи обработки коптского языка. Доступна в формате PyTorch для Transformers.
Модель распространяется по лицензии CC BY-SA 4.0. Для прикладных задач вроде POS-тегирования или синтаксического разбора потребуется дообучение.
Для разметки частей речи, синтаксического разбора и других downstream-задач модель нужно дообучить; её контекст ограничен 128 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-small-coptic for downstream tasks, such as POS-tagging, dependency-parsing, and so on.
from transformers import AutoTokenizer,AutoModelForMaskedLM
tokenizer=AutoTokenizer.from_pretrained("KoichiYasuoka/deberta-small-coptic")
model=AutoModelForMaskedLM.from_pretrained("KoichiYasuoka/deberta-small-coptic")
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · fill-mask
Подбираем GPU…