Компактная японская RoBERTa для заполнения пропусков и дообучения под задачи анализа текста.
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 компактную RoBERTa, предварительно обученную на японских текстах из 青空文庫 с токенизатором Japanese-LUW-Tokenizer. Модель содержит 74,3 млн параметров, использует архитектуру RobertaForMaskedLM и обрабатывает контекст длиной до 128 токенов.
Модель предназначена для заполнения пропусков в тексте и дообучения под задачи японского NLP, включая разметку частей речи и синтаксический анализ зависимостей. Она принимает текст и предсказывает замаскированные токены.
Модель распространяется в формате PyTorch по лицензии CC BY-SA 4.0. Короткое окно контекста ограничивает её применение на длинных фрагментах; для специализированных задач потребуется дообучение.
Контекст ограничен 128 токенами. Для разметки частей речи и синтаксического анализа модель нужно дообучить.
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 青空文庫 texts with Japanese-LUW-Tokenizer. You can fine-tune roberta-small-japanese-aozora for downstream tasks, such as POS-tagging, dependency-parsing, and so on.
from transformers import AutoTokenizer,AutoModelForMaskedLM
tokenizer=AutoTokenizer.from_pretrained("KoichiYasuoka/roberta-small-japanese-aozora")
model=AutoModelForMaskedLM.from_pretrained("KoichiYasuoka/roberta-small-japanese-aozora")
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · fill-mask
Подбираем GPU…