GPT-2-подобная модель для разметки частей речи и грамматических признаков японских слов.
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 GPT-2-подобную модель для разметки японского текста. Она присваивает каждому короткому слову тег части речи UPOS и признаки FEATS из набора Universal Dependencies; модель дообучена на базе llm-jp/llm-jp-1.3b-v1.0 и предназначена для морфосинтаксического анализа японских предложений.
Модель содержит 1,3 млрд параметров, принимает текст, выдаёт разметку токенов и поддерживает контекст длиной до 2048 токенов. Распространяется в формате PyTorch по лицензии Apache-2.0.
Модель рассчитана на разметку японского текста; карточка не описывает качество на других языках или доменах.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
This is a GPT-2 model for POS-tagging, derived from llm-jp-1.3b-v1.0. Every short-unit-word is tagged by UPOS (Universal Part-Of-Speech) and FEATS.
from transformers import pipeline
nlp=pipeline("upos","KoichiYasuoka/llm-jp-1.3b-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…