/ Модель

Характеристики

Контекст
512 токенов
Параметры
137 млн
Архитектура
bert · dense
Базовая модель
bert-base-spanish-wwm-uncased
Опубликована
25 ноя 2023

bert_adaptation_martin_fierro

Заполнение пропусковТекст → текст

Дообученная испаноязычная BERT-модель для предсказания скрытых слов в тексте.

8скачиваний за 30 дней0лайковвеса обновлены25 ноя 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

agusbrusco/bert_adaptation_martin_fierro — дообученная испаноязычная модель BERT для предсказания скрытых слов в тексте. Она основана на dccuchile/bert-base-spanish-wwm-uncased и использует архитектуру BertForMaskedLM; размер составляет 137,1 млн параметров, контекст — до 512 токенов. Карточка сообщает о дообучении на неизвестном наборе данных и приводит значение Loss 3,6952 на оценочной выборке, но не раскрывает назначение адаптации к тексту Мартина Фьерро или подробности оценки. Модель подходит для восстановления пропусков в испанском тексте и получения контекстных представлений.

Сценарии применения

  • подстановка пропущенных слов в испанском тексте
  • анализ вариантов заполнения маски в испаноязычных предложениях
  • получение контекстных представлений испанского текста

Ограничения

Данные обучения описаны как неизвестный набор, а назначение адаптации к Мартину Фьерро не пояснено. Для оценки приведён только Loss 3,6952 без описания набора и методики.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

bert_adaptation_martin_fierro

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

  • Loss: 3.6952

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: 32
  • eval_batch_size: 32
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 15
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation Loss
5.36851.0584.8544
4.36512.01164.4985
3.88683.01743.7412
3.70724.02323.7141
3.75985.02903.8915
3.54086.03483.9818
3.39397.04064.0336
3.46428.04643.8640
3.27459.05223.9118
3.17710.05803.8540
3.222411.06383.8703
3.110912.06963.7848
2.998513.07543.5726
3.028614.08123.8872
3.045615.08703.8465

Framework versions

  • Transformers 4.35.2
  • Pytorch 2.1.0+cu118
  • Datasets 2.15.0
  • Tokenizers 0.15.0

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
BertForMaskedLM
Ревизия весов
aa37155

0 моделей