/ Модель

Характеристики

Контекст
512 токенов
Параметры
137 млн
Лицензия
Своя лицензия
Архитектура
bert · dense
Библиотека
transformers
Опубликована
25 сен 2023

MIKA_SafeAeroBERT

Заполнение пропусковТекст → текст3 профессии

SafeAeroBERT — англоязычная BERT-модель NASA-AIML, предварительно обученная на авиационных отчётах для предсказания замаскированных слов и дальнейшей настройки на задачи анализа безопасности полётов.

134скачиваний за 30 дней0лайковвеса обновлены2 ноя 2023

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

SafeAeroBERT — англоязычная BERT-модель NASA-AIML для работы с текстами по авиационной безопасности. Модель на 136,7 млн параметров основана на base-bert-uncased и дополнительно предварительно обучена как masked language model на 2 283 435 разделах документов Aviation Safety Reporting System (ASRS) и отчётов National Transportation Safety Board (NTSB), опубликованных до ноября 2022 года. Обучающая выборка включала более 1,05 млрд токенов; контекст составляет до 512 токенов.

Основная задача модели — предсказывать замаскированные слова в авиационных текстах. Её также оценивали после отдельного дообучения для бинарной классификации документов по факторам происшествий; опубликованные результаты относятся к более ранней версии модели и этой задаче. Модель может служить основой для дальнейшей настройки на анализ авиационных сообщений и отчётов, но сама по себе не является готовым классификатором. Репозиторий содержит веса PyTorch и использует библиотеку Transformers.

В README указаны авторы исследования Sequoia R. Andrade и Hannah S. Walsh; модель связана с NASA. Код лицензии в метаданных указан как other, а уведомление в карточке заявляет об авторском праве правительства США и предоставлении ПО «как есть» без гарантий; перед использованием следует сверить применимые условия лицензии в репозитории.

Сценарии применения

  • восстановление пропущенных слов в авиационных отчётах
  • адаптация языковой модели к терминологии авиационной безопасности
  • дообучение классификатора сообщений об авиационных происшествиях
  • анализ текстов ASRS и отчётов NTSB

Ограничения

Контекст ограничен 512 токенами. Приведённые показатели классификации относятся к более ранней версии модели после отдельного дообучения и не характеризуют SafeAeroBERT как готовый классификатор; README также указывает на отсутствие гарантий.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Manager for Intelligent Knowledge Acess (MIKA)

SafeAeroBERT: A Safety-Informed Aviation-Specific Langauge Model

base-bert-uncased model first further pre-trained on the set of Aviation Safety Reporting System (ASRS) documents up to November of 2022 and National Trasportation Safety Board (NTSB) accident reports up to November 2022. A total of 2,283,435 narrative sections are split 90/10 for training and validation, with 1,052,207,104 tokens from over 350,000 NTSB and ASRS documents used for pre-training.

The model was trained on two epochs using AutoModelForMaskedLM.from_pretrained with a learning_rate=1e-5, and total batch size of 128 for just over 32100 training steps.

An earlier version of the model was evaluted on a downstream binary document classification task by fine-tuning the model with AutoModelForSequenceClassification.from_pretrained. SafeAeroBERT was compared to SciBERT and base-BERT on this task, with the following performance:

Contributing FactorMetricBERTSciBERTSafeAeroBERT
AircraftAccuracy0.7470.7260.740
Precision0.7160.6910.548
Recall0.7470.7260.740
F-10.7190.6990.629
Human FactorsAccuracy0.6080.5570.549
Precision0.6180.5860.527
Recall0.6080.5570.549
F-10.572*0.4260.400
ProcedureAccuracy0.7660.7550.845
Precision0.7660.7620.742
Recall0.7660.7550.845
F-10.7660.7580.784
WeatherAccuracy0.8070.8080.871
Precision0.8030.7690.759
Recall0.8070.8080.871
F-10.8050.7880.811

More infomation on training data, evaluation, and intended use can be found in the original publication

Citation: Sequoia R. Andrade and Hannah S. Walsh. "SafeAeroBERT: Towards a Safety-Informed Aerospace-Specific Language Model," AIAA 2023-3437. AIAA AVIATION 2023 Forum. June 2023.


Notices:

Copyright © 2023 United States Government as represented by the Administrator of the National Aeronautics and Space Administration. All Rights Reserved.

Disclaimers

No Warranty: THE SUBJECT SOFTWARE IS PROVIDED "AS IS" WITHOUT ANY WARRANTY OF ANY KIND, EITHER EXPRESSED, IMPLIED, OR STATUTORY, INCLUDING, BUT NOT LIMITED TO, ANY WARRANTY THAT THE SUBJECT SOFTWARE WILL CONFORM TO SPECIFICATIONS, ANY IMPLIED WARRANTIES OF MERCHANTABILITY, FITNESS FOR A PARTICULAR PURPOSE, OR FREEDOM FROM INFRINGEMENT, ANY WARRANTY THAT THE SUBJECT SOFTWARE WILL BE ERROR FREE, OR ANY WARRANTY THAT DOCUMENTATION, IF PROVIDED, WILL CONFORM TO THE SUBJECT SOFTWARE. THIS AGREEMENT DOES NOT, IN ANY MANNER, CONSTITUTE AN ENDORSEMENT BY GOVERNMENT AGENCY OR ANY PRIOR RECIPIENT OF ANY RESULTS, RESULTING DESIGNS, HARDWARE, SOFTWARE PRODUCTS OR ANY OTHER APPLICATIONS RESULTING FROM USE OF THE SUBJECT SOFTWARE. FURTHER, GOVERNMENT AGENCY DISCLAIMS ALL WARRANTIES AND LIABILITIES REGARDING THIRD-PARTY SOFTWARE, IF PRESENT IN THE ORIGINAL SOFTWARE, AND DISTRIBUTES IT "AS IS."

Waiver and Indemnity: RECIPIENT AGREES TO WAIVE ANY AND ALL CLAIMS AGAINST THE UNITED STATES GOVERNMENT, ITS CONTRACTORS AND SUBCONTRACTORS, AS WELL AS ANY PRIOR RECIPIENT. IF RECIPIENT'S USE OF THE SUBJECT SOFTWARE RESULTS IN ANY LIABILITIES, DEMANDS, DAMAGES, EXPENSES OR LOSSES ARISING FROM SUCH USE, INCLUDING ANY DAMAGES FROM PRODUCTS BASED ON, OR RESULTING FROM, RECIPIENT'S USE OF THE SUBJECT SOFTWARE, RECIPIENT SHALL INDEMNIFY AND HOLD HARMLESS THE UNITED STATES GOVERNMENT, ITS CONTRACTORS AND SUBCONTRACTORS, AS WELL AS ANY PRIOR RECIPIENT, TO THE EXTENT PERMITTED BY LAW. RECIPIENT'S SOLE REMEDY FOR ANY SUCH MATTER SHALL BE THE IMMEDIATE, UNILATERAL TERMINATION OF THIS AGREEMENT.


Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры
BertForMaskedLM
Ревизия весов
e751ffc

0 моделей