Характеристики

Лицензия: MIT
Базовая модель: BiomedNLP-PubMedBERT-base-uncased-abstract
Опубликована: 14 сен 2023

Ссылки

Hugging Face

pubmed-bert-mlm

Sarmila

Заполнение пропусковТекст → текст

Дообученная биомедицинская BERT-модель для предсказания замаскированных слов в тексте.

0скачиваний за 30 дней0лайковвеса обновлены15 сен 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

Sarmila/pubmed-bert-mlm — модель на основе BERT, дообученная на microsoft/BiomedNLP-PubMedBERT-base-uncased-abstract для задачи заполнения пропусков в тексте. Она подходит для предсказания замаскированных слов в биомедицинских текстах, например в аннотациях научных публикаций PubMed. В README указано значение loss 1,4031 на оценочном наборе, но сведения о данных обучения и подробные результаты отсутствуют. Модель распространяется в формате PyTorch по лицензии MIT.

Сценарии применения

предсказание пропущенных слов в биомедицинских аннотациях
подбор вероятных терминов в контексте научного текста
адаптация биомедицинских текстовых пайплайнов с заполнением масок

Ограничения

README не раскрывает данные обучения и сценарии применения; заявлено только значение loss 1,4031 на оценочном наборе. Модель предназначена для заполнения масок и не подтверждена как генератор ответов или диагностическая система.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

pubmed-bert-mlm

This model is a fine-tuned version of microsoft/BiomedNLP-PubMedBERT-base-uncased-abstract on the None dataset. It achieves the following results on the evaluation set:

Loss: 1.4031

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	125	1.5155
No log	2.0	250	1.4109
No log	3.0	375	1.3608

Framework versions

Transformers 4.33.1
Pytorch 2.0.1+cu118
Datasets 2.14.5
Tokenizers 0.13.3

Как запустить

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

GPU в ailist

Универсальный рантайм · fill-mask

Нельзя запустить

Доступ к модели ограничен автором; у платформы нет доступа к весам.

Ревизия весов: 7b46f09