/ Модель

Характеристики

Контекст
4 098 токенов
Параметры
305 млн
Лицензия
Apache 2.0
Архитектура
xlm-roberta · dense
Опубликована
2 мар 2022

xlm-roberta-longformer-base-4096

Заполнение пропусковТекст → текст3 профессии

Мультиязычная XLM-RoBERTa, расширенная до контекста примерно в 4096 токенов для заполнения пропусков и адаптации к задачам понимания длинного текста.

203скачиваний за 30 дней8лайковвеса обновлены30 мар 2022

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

Peltarion XLM-R Longformer — мультиязычная модель на архитектуре XLM-RoBERTa, расширенная для обработки последовательностей длиной до 4098 токенов. Её дообучили по схеме Longformer на англоязычном корпусе WikiText-103, используя контрольную точку XLM-RoBERTa. Модель содержит 305,2 млн параметров и распространяется в формате PyTorch под лицензией Apache-2.0.

Модель предназначена для дальнейшей адаптации к задачам с длинным контекстом, например для ответов на вопросы и других задач понимания текста. Проект магистерской диссертации Peltarion исследовал, как применять длинный контекст для низкоресурсных языков, таких как шведский, без предварительного обучения на длинных корпусах каждого языка. В карточке Hugging Face основная задача обозначена как заполнение пропусков в тексте.

Модель унаследовала мультиязычную основу XLM-RoBERTa, однако этап обучения на длинном контексте использовал английский WikiText-103; качество для конкретных языков и прикладных задач зависит от последующего дообучения. Для обучения README рекомендует 16-битную точность с NVIDIA Apex, мощный GPU и накопление градиентов.

Сценарии применения

  • заполнение пропущенных слов в тексте
  • дообучение для ответов на вопросы по длинным документам
  • адаптация мультиязычной модели к задачам понимания длинного контекста

Ограничения

Обучение для длинного контекста проводилось на англоязычном WikiText-103, поэтому пригодность для отдельных языков и задач требует проверки или дообучения. Для обучения модели нужны значительные вычислительные ресурсы; README рекомендует 16-битную точность, мощный GPU и накопление градиентов.

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

XLM-R Longformer Model

XLM-R Longformer is a XLM-R model, that has been extended to allow sequence lengths up to 4096 tokens, instead of the regular 512. The model was pre-trained from the XLM-RoBERTa checkpoint using the Longformer pre-training scheme on the English WikiText-103 corpus.

The reason for this was to investigate methods for creating efficient Transformers for low-resource languages, such as Swedish, without the need to pre-train them on long-context datasets in each respecitve language. The trained model came as a result of a master thesis project at Peltarion and was fine-tuned on multilingual quesion-answering tasks, with code available here.

Since both XLM-R model and Longformer models are large models, it it recommended to run the models with NVIDIA Apex (16bit precision), large GPU and several gradient accumulation steps.

How to Use

The model can be used as expected to fine-tune on a downstream task.
For instance for QA.

import torch
from transformers import AutoModel, AutoTokenizer

MAX_SEQUENCE_LENGTH = 4096
MODEL_NAME_OR_PATH = "markussagen/xlm-roberta-longformer-base-4096"

tokenizer = AutoTokenizer.from_pretrained(
    MODEL_NAME_OR_PATH,
    max_length=MAX_SEQUENCE_LENGTH,
    padding="max_length",
    truncation=True,
)

model = AutoModelForQuestionAnswering.from_pretrained(
    MODEL_NAME_OR_PATH, 
    max_length=MAX_SEQUENCE_LENGTH,
)


Training Procedure

The model have been trained on the WikiText-103 corpus, using a 48GB GPU with the following training script and parameters. The model was pre-trained for 6000 iterations and took ~5 days. See the full training script and Github repo for more information

wget https://s3.amazonaws.com/research.metamind.io/wikitext/wikitext-103-raw-v1.zip
unzip wikitext-103-raw-v1.zip   

export DATA_DIR=./wikitext-103-raw

scripts/run_long_lm.py \
    --model_name_or_path xlm-roberta-base \
    --model_name xlm-roberta-to-longformer \
    --output_dir ./output \
    --logging_dir ./logs \
    --val_file_path $DATA_DIR/wiki.valid.raw \
    --train_file_path $DATA_DIR/wiki.train.raw \
    --seed 42 \
    --max_pos 4096 \
    --adam_epsilon 1e-8 \
    --warmup_steps 500 \
    --learning_rate 3e-5 \
    --weight_decay 0.01 \
    --max_steps 6000 \
    --evaluate_during_training \
    --logging_steps 50 \
    --eval_steps 50 \
    --save_steps 6000  \
    --max_grad_norm 1.0 \
    --per_device_eval_batch_size 2 \
    --per_device_train_batch_size 1 \
    --gradient_accumulation_steps 64 \
    --overwrite_output_dir \
    --fp16 \
    --do_train \
    --do_eval

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
LongModelForMaskedLM
Ревизия весов
c2e164a

0 моделей