/ Модель
Каталог

Характеристики

Контекст
512 токенов
Лицензия
Apache 2.0
Архитектура
distilbert · dense
Опубликована
5 мая 2022

Ссылки

Hugging Face

distilbert-base-uncased-aisera_texts

Theimisa
Заполнение пропусковТекст → текст3 профессии

Дообученная англоязычная DistilBERT-модель для предсказания пропущенных токенов в тексте.

93скачиваний за 30 дней0лайковвеса обновлены9 мая 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

Theimisa/distilbert-base-uncased-aisera_texts — модель семейства DistilBERT, дообученная на базе distilbert-base-uncased. Она предназначена для задачи fill-mask: предсказывает слово или токен, пропущенный в замаскированном фрагменте текста. В README указана оценка Loss 1,8283 на наборе для оценки, но описание обучения и назначения датасета отсутствует.

Модель использует архитектуру DistilBertForMaskedLM, работает с текстом и поддерживает контекст до 512 токенов. По названию базовой модели она ориентирована на английский язык. Распространяется в формате PyTorch по лицензии Apache-2.0. Специализированное качество и области применения по доступным сведениям определить нельзя.

Сценарии применения

  • подстановка пропущенного слова в английском предложении
  • проверка языковых моделей на задаче fill-mask
  • получение кандидатов для замаскированного токена

Ограничения

Датасет и целевое назначение дообучения не описаны; приведённая оценка Loss сама по себе не позволяет судить о качестве в конкретных сценариях.

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 385моделейII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейII.4Разработка и данныеОтладка, тестирование и качество ПОAI помогает находить дефекты, строить проверки и повышать надёжность программного продукта.25 задач13 978моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

distilbert-base-uncased-aisera_texts

This model is a fine-tuned version of distilbert-base-uncased on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 1.8283

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 LossEpochStepValidation Loss
2.06941.077901.9868
1.90542.0155801.8646
1.87013.0233701.8283

Framework versions

  • Transformers 4.18.0
  • Pytorch 1.11.0
  • Tokenizers 0.12.1

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
680317f

0 моделей

    Создать бенчмарк