Дообученная на латинских текстах RoBERTa размечает части речи и синтаксические зависимости.
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 на основе ClassCat/roberta-base-latin-v2: RoBERTa предварительно обучена на латинских текстах CC-100 и дообучена для разметки частей речи и синтаксического анализа зависимостей. Для обработки латинского текста модель использует схему goeswith для связанных с подсловами единиц; в примере из карточки она размечает предложение и выдаёт результаты через интерфейс Transformers pipeline с aggregation_strategy="simple". Модель распространяется в формате PyTorch по лицензии CC-BY-SA-4.0. Карточка не приводит сведений о размере модели или длине контекста.
Модель предназначена для латинского языка и разметки частей речи и синтаксических зависимостей; её карточка не описывает другие задачи или языки. Для использования в примере требуется Transformers с trust_remote_code=True.
README от автора на Hugging Face, как он его опубликовал
This is a RoBERTa model pre-trained on CC-100 Latin texts for POS-tagging and dependency-parsing (using goeswith for subwords), derived from roberta-base-latin-v2.
from transformers import pipeline
nlp=pipeline("universal-dependencies","KoichiYasuoka/roberta-base-latin-ud-goeswith",trust_remote_code=True,aggregation_strategy="simple")
print(nlp("deus videt te non sentientem"))
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · token-classification
Подбираем GPU…