Японская модель на базе LLaMA для присвоения словам тегов частей речи UPOS и грамматических признаков FEATS.
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 японскую модель разметки частей речи на основе karasu-1.1B. Она присваивает каждому короткому слову универсальную часть речи UPOS и грамматические признаки FEATS, что подходит для синтаксического анализа и подготовки японских текстов к лингвистической обработке. Модель построена на плотной архитектуре LLaMA, содержит около 1 млрд параметров и имеет контекст длиной 2048 токенов. Она принимает текст и выдаёт метки для его токенов. Модель распространяется по лицензии Apache-2.0.
Модель предназначена для разметки коротких слов и японского языка; качество на других языках и задачах не заявлено.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
This is a LLaMA model for POS-tagging, derived from karasu-1.1B. Every short-unit-word is tagged by UPOS (Universal Part-Of-Speech) and FEATS.
from transformers import pipeline
nlp=pipeline("upos","KoichiYasuoka/karasu-1.1B-upos",trust_remote_code=True,aggregation_strategy="simple")
print(nlp("国境の長いトンネルを抜けると雪国であった。"))
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · token-classification
Подбираем GPU…