Характеристики

Контекст: 512 токенов
Параметры: 136 млн
Архитектура: roberta · dense
Базовая модель: kinyaRoberta-large
Опубликована: 9 окт 2023

Ссылки

Hugging Face

kinyaRoberta-large-kinte-finetuned

RogerB

Заполнение пропусковТекст → текст

Дообученная RoBERTa-модель для предсказания пропущенных слов в текстах на киньяруанда.

9скачиваний за 30 дней0лайковвеса обновлены9 окт 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

RogerB/kinyaRoberta-large-kinte-finetuned — модель RoBERTa для заполнения пропусков в тексте, дообученная на основе jean-paul/kinyaRoberta-large. Она содержит 136,3 млн параметров, использует архитектуру RobertaForMaskedLM и принимает контекст длиной до 512 токенов. Базовая модель предназначена для работы с киньяруанда; эта версия дообучена на наборе данных, название которого в карточке не указано.

Модель подходит для предсказания замаскированных слов в тексте на киньяруанда. В README приведено значение Loss 2,9436 на оценочной выборке, но подробности набора данных и методики оценки отсутствуют. Лицензия в предоставленных данных не указана.

Сценарии применения

заполнение замаскированных слов в тексте на киньяруанда
предсказание пропущенного слова по контексту на киньяруанда
оценка языковых представлений текста на киньяруанда

Ограничения

README не раскрывает обучающий набор данных и подробности оценки; указан только Loss 2,9436. Лицензия в предоставленных данных отсутствует.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

kinyaRoberta-large-kinte-finetuned

This model is a fine-tuned version of jean-paul/kinyaRoberta-large on the None dataset. It achieves the following results on the evaluation set:

Loss: 2.9436

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: 10
eval_batch_size: 10
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
3.388	1.0	5500	3.0904
3.1395	2.0	11000	2.9971
3.0447	3.0	16500	2.9504

Framework versions

Transformers 4.34.0
Pytorch 2.0.1+cu118
Datasets 2.14.5
Tokenizers 0.14.1

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: RobertaForMaskedLM
Ревизия весов: 2103df0