/ Модель

Характеристики

Контекст
514 токенов
Параметры
59,3 млн
Лицензия
CC BY 4.0
Архитектура
roberta · dense
Опубликована
8 ноя 2022

bert-rand-medium

ЭмбеддингиТекст → embedding3 профессии

Экспериментальная модель RoBERTa среднего размера со случайной целью предобучения для извлечения признаковых представлений текста и изучения усвоения языковых свойств.

107скачиваний за 30 дней0лайковвеса обновлены7 фев 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Эмбеддинги» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

bert-rand-medium — модель среднего размера на архитектуре RoBERTa, содержащая около 59,3 млн параметров. По карточке она обучена с использованием случайного предобучающего objective; подробности о цели и гиперпараметрах приведены в упомянутой в README работе.

Модель предназначена для извлечения признаковых представлений текста и изучения того, как выбор цели предобучения влияет на усвоение языковых свойств. Контекст составляет до 514 токенов. Репозиторий содержит веса PyTorch и Safetensors; лицензия — CC BY 4.0.

README не заявляет о специализации на конкретном языке или прикладной области. Случайная цель предобучения может ограничивать пригодность представлений для прикладных задач без дополнительной оценки или дообучения.

Сценарии применения

  • извлечение признаковых представлений текста
  • эксперименты с целями предобучения языковых моделей
  • изучение языковых свойств, усвоенных при предобучении

Ограничения

Модель обучена со случайной целью предобучения, поэтому качество её представлений для прикладных задач может быть ограниченным; перед применением требуется оценка. README не указывает конкретные поддерживаемые естественные языки.

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

bert-rand-medium

A medium-size BERT Language Model with a random pre-training objective. For more details about the pre-training objective and the pre-training hyperparameters, please refer to How does the pre-training objective affect what large language models learn about linguistic properties?

License

CC BY 4.0

Citation

If you use this model, please cite the following paper:

@inproceedings{alajrami2022does,
  title={How does the pre-training objective affect what large language models learn about linguistic properties?},
  author={Alajrami, Ahmed and Aletras, Nikolaos},
  booktitle={Proceedings of the 60th Annual Meeting of the Association for Computational Linguistics (Volume 2: Short Papers)},
  pages={131--147},
  year={2022}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
RobertaModel
Ревизия весов
d40d1f6

0 моделей