RoBERTa-модель, предварительно обученная на тибетских текстах, для заполнения пропусков и адаптации к задачам анализа тибетского языка.
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 RoBERTa-модель, предварительно обученную на тибетских текстах. Она предназначена для предсказания замаскированных токенов и дальнейшей адаптации к задачам обработки тибетского языка, например разметке частей речи и синтаксическому анализу зависимостей.
Модель использует архитектуру RoBERTa для masked language modeling, содержит 119,5 млн параметров и обрабатывает последовательности длиной до 512 токенов. Доступны веса PyTorch. Лицензия CC BY-SA 4.0.
Для разметки частей речи и синтаксического анализа модель требуется дообучить на соответствующей задаче.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
This is a RoBERTa model pre-trained on Tibetan texts. NVIDIA A100-SXM4-40GB took 40 hours 44 minutes for training. You can fine-tune roberta-base-tibetan for downstream tasks, such as POS-tagging, dependency-parsing, and so on.
from transformers import AutoTokenizer,AutoModelForMaskedLM
tokenizer=AutoTokenizer.from_pretrained("KoichiYasuoka/roberta-base-tibetan")
model=AutoModelForMaskedLM.from_pretrained("KoichiYasuoka/roberta-base-tibetan")
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · fill-mask
Подбираем GPU…