Дообученная японская GPT-2-модель для определения частей речи и синтаксических зависимостей в предложениях.
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
KoichiYasuoka/rinna-gpt2-1b-japanese-ud-causal — японская GPT-2-модель, дообученная на базе rinna/japanese-gpt-1b для морфосинтаксической разметки и синтаксического анализа зависимостей по стандарту Universal Dependencies. Она предназначена для обработки японских предложений: определяет части речи и связи между словами; в карточке приведён пример запуска через Transformers. Модель использует плотную архитектуру GPT-2, веса PyTorch и контекст длиной до 1024 токенов. Базовая модель содержит 1,3 млрд параметров.
Модель ориентирована на японский язык и обучалась для набора UD_Japanese-GSDLUW. Репозиторий распространяется по лицензии MIT. Оценки качества и ограничения за пределами указанного набора данных в карточке не приведены.
Карточка не приводит оценок качества; обучение ориентировано на UD_Japanese-GSDLUW, поэтому качество на других жанрах и схемах разметки не установлено. Контекст ограничен 1024 токенами.
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 pretrained for POS-tagging and dependency-parsing, derived from japanese-gpt-1b refined for UD_Japanese-GSDLUW.
from transformers import pipeline
nlp=pipeline("universal-dependencies","KoichiYasuoka/rinna-gpt2-1b-japanese-ud-causal",trust_remote_code=True)
print(nlp("全学年にわたって小学校の国語の教科書に挿し絵が用いられている"))
安岡孝一: GPT系言語モデルによる国語研長単位係り受け解析, 人文科学とコンピュータシンポジウム「じんもんこん2024」論文集 (2024年12月), pp.83-90.
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · token-classification
Подбираем GPU…