Характеристики

Контекст: 512 токенов
Параметры: 115 млн
Лицензия: Apache 2.0
Архитектура: roberta · dense
Опубликована: 2 мар 2022

Ссылки

Hugging Face

roberta-base-thai-char

KoichiYasuoka

Заполнение пропусковТекст → текст3 профессии

Тайская RoBERTa с символьными эмбеддингами для предсказания скрытых токенов и дообучения на задачи языкового анализа.

62скачиваний за 30 дней0лайковвеса обновлены31 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

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.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Koichi Yasuoka разработал RoBERTa-base-thai-char — модель RoBERTa, предварительно обученную на текстах тайской Википедии. Она использует символьные эмбеддинги и подходит для предсказания скрытых токенов, а также для дообучения под задачи разметки частей речи и синтаксического анализа зависимостей.

Модель содержит 115,3 млн параметров, принимает текст и поддерживает контекст до 512 токенов. Она рассчитана на тайский язык и распространяется в формате PyTorch по лицензии Apache-2.0.

Сценарии применения

восстановление скрытых слов в тайском тексте
дообучение для разметки частей речи на тайском языке
дообучение для синтаксического анализа зависимостей на тайском языке

Ограничения

Предварительное обучение выполнено на текстах тайской Википедии; для разметки частей речи и синтаксического анализа модель требуется дообучить.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

roberta-base-thai-char

Model Description

This is a RoBERTa model pre-trained on Thai Wikipedia texts with character-wise embeddings to use BertTokenizerFast. You can fine-tune roberta-base-thai-char for downstream tasks, such as POS-tagging, dependency-parsing, and so on.

How to Use

from transformers import AutoTokenizer,AutoModelForMaskedLM
tokenizer=AutoTokenizer.from_pretrained("KoichiYasuoka/roberta-base-thai-char")
model=AutoModelForMaskedLM.from_pretrained("KoichiYasuoka/roberta-base-thai-char")

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры: RobertaForMaskedLM
Ревизия весов: b4f062f