Характеристики

Контекст: 514 токенов
Параметры: 138 млн
Лицензия: MIT
Архитектура: roberta · dense

Ссылки

Hugging Face

japanese-roberta-base-finetuned-wikitext2

Roy029

Заполнение пропусковТекст → текст3 профессии

Дообученная японская RoBERTa-base для предсказания скрытых токенов в тексте.

522скачиваний за 30 дней0лайковвеса обновлены4 ноя 2021

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

Roy029/japanese-roberta-base-finetuned-wikitext2 — дообученная японская RoBERTa-base для восстановления скрытых токенов в тексте. Модель построена на архитектуре RoBERTa и содержит 137,8 млн параметров; базовая модель — rinna/japanese-roberta-base. Она поддерживает контекст длиной до 514 токенов и доступна в формате PyTorch.

Модель подходит для предсказания пропущенных слов и токенов в японских текстах, например для языкового анализа или проверки контекста. В README приведён результат оценки Loss 3,2302; подробности об оценочном наборе и обучающих данных отсутствуют. Лицензия — MIT.

Сценарии применения

восстановление пропущенных слов в японском тексте
предсказание замаскированных токенов для анализа японских предложений
получение контекстных вариантов заполнения пропуска на японском
эксперименты с японскими языковыми моделями типа masked language model

Ограничения

README не описывает обучающие данные и ограничения модели; указан только результат Loss 3,2302 без подробностей об оценочном наборе. Контекст ограничен 514 токенами.

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.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

japanese-roberta-base-finetuned-wikitext2

This model is a fine-tuned version of rinna/japanese-roberta-base on the None dataset. It achieves the following results on the evaluation set:

Loss: 3.2302

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: 3.0

Training results

Training Loss	Epoch	Step	Validation Loss
No log	1.0	18	3.4128
No log	2.0	36	3.1374
No log	3.0	54	3.2285

Framework versions

Transformers 4.12.3
Pytorch 1.9.0+cu111
Datasets 1.15.1
Tokenizers 0.10.3

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: c541dee