Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: distilbert-base-uncased
Опубликована: 20 мая 2024

Ссылки

Hugging Face

DA-distilbert-base-uncased

NLP-FEUP

Заполнение пропусковТекст → текст3 профессии

Дообученная англоязычная модель DistilBERT для предсказания скрытых токенов и заполнения пропусков в тексте.

8скачиваний за 30 дней0лайковвеса обновлены20 мая 2024

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

DA-distilbert-base-uncased — дообученная модель DistilBERT для заполнения пропусков в тексте. Она предсказывает наиболее вероятные токены на месте специальной маски, что подходит для восстановления скрытых слов и языковых экспериментов. Модель имеет архитектуру DistilBertForMaskedLM, принимает текст и выдаёт текстовые предсказания. Контекст ограничен 512 токенами. Модель основана на distilbert/distilbert-base-uncased и распространяется в формате safetensors по лицензии Apache-2.0.

В карточке указано значение loss 2.0210 на оценочном наборе, однако датасет обозначен как None, а подробности обучения, оценки и предполагаемого применения отсутствуют. Поэтому качество предсказаний для конкретных текстов и языков не установлено; базовая модель предназначена для англоязычного uncased текста.

Сценарии применения

восстановление скрытых слов в предложении
подстановка вероятного слова вместо маски
языковые эксперименты с masked language modeling

Ограничения

В README не описаны обучающий датасет и целевое применение; значение loss приведено без достаточного контекста для оценки качества. Англоязычная uncased база и контекст 512 токенов ограничивают применение к другим языкам и длинным текстам.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей 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

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

DA-distilbert-base-uncased

This model is a fine-tuned version of distilbert-base-uncased on the None dataset. It achieves the following results on the evaluation set:

Loss: 2.0210

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

learning_rate: 2e-05
train_batch_size: 8
eval_batch_size: 8
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 3

Training results

Training Loss	Epoch	Step	Validation Loss
No log	1.0	40	2.2101
No log	2.0	80	2.0774
No log	3.0	120	2.0462

Framework versions

Transformers 4.41.0
Pytorch 2.3.0
Datasets 2.19.1
Tokenizers 0.19.1

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: DistilBertForMaskedLM
Ревизия весов: 2690ade