/ Модель

Характеристики

Контекст
514 токенов
Параметры
42,5 млн
Лицензия
CC BY 4.0
Архитектура
roberta · dense
Опубликована
9 ноя 2022

bert-rand-small

ЭмбеддингиТекст → embedding3 профессии

Небольшая модель BERT/RoBERTa со случайной целью предобучения для экспериментов с извлечением текстовых признаков.

100скачиваний 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

aajrami/bert-rand-small — небольшая языковая модель семейства BERT с архитектурой RoBERTa, содержащая 42,5 млн параметров. В карточке она описана как модель с предварительным обучением на случайной цели; подробности о цели и гиперпараметрах отсылают к исследованию о влиянии целей предобучения на усвоение языковых свойств.

Модель предназначена для извлечения признаков из текста и может служить экспериментальным чекпойнтом для изучения того, как цель предобучения влияет на языковые представления. Максимальная длина контекста — 514 токенов. Доступны веса PyTorch и Safetensors.

Лицензия — CC BY 4.0. Случайная цель предобучения ограничивает основания ожидать от модели качественных готовых эмбеддингов или прикладной языковой системы; карточка не описывает конкретные прикладные сценарии или поддерживаемые естественные языки.

Сценарии применения

  • изучение влияния цели предобучения на языковые представления
  • извлечение признаков из коротких текстов в экспериментах
  • сравнение представлений случайно предобученной модели с другими BERT-моделями

Ограничения

Случайная цель предобучения не позволяет считать модель готовой к качественным прикладным задачам без отдельной проверки или дообучения. Контекст ограничен 514 токенами.

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-small

A small-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
e252c8c

0 моделей