Модель BERT для оценки смыслового сходства предложений, основанная на варианте с заменой MacBERT на LERT.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.
Вместе с другими моделями категории «Эмбеддинги» — сравнение идёт внутри одной категории.
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.
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
MonkeeZhang/text2vec — модель для вычисления сходства между предложениями. По карточке она создана на основе модели, в которой MacBERT заменён на LERT, при сохранении остальных условий обучения. Архитектура — плотная модель BERT с 424,3 млн параметров; она принимает текст и рассчитана на контекст до 512 токенов. Модель подходит для сравнения текстовых фрагментов по смыслу. В карточке указан китайский язык и лицензия Apache-2.0. README не содержит подробностей об обучении или оценке качества.
Контекст ограничен 512 токенами. Карточка не приводит результатов оценки качества или подробностей обучения.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
Based on the derivative model of https://huggingface.co/shibing624/text2vec-base-chinese, replace MacBERT with LERT, and keep other training conditions unchanged。
Refer to the following items for usage:
https://github.com/shibing624/text2vec
Talk to me: https://twitter.com/GanymedeNil
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…