/ Модель

Характеристики

Параметры
55,1 млн
Лицензия
MIT
Архитектура
t5 · dense
Библиотека
transformers
Опубликована
11 мар 2024

sage-fredt5-distilled-95m

Языковая модель7 профессий

Компактная русскоязычная модель T5 для исправления опечаток, орфографии и пунктуации.

5 507скачиваний за 30 дней20лайковвеса обновлены18 апр 2024

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

SberDevices и AGI NLP разработали sage-fredt5-distilled-95m — компактную модель на архитектуре T5 для исправления орфографии, пунктуации и опечаток в русских текстах. Она преобразует текст с ошибками в нормативный вариант и может восстанавливать пробелы, регистр букв и знаки препинания.

Модель получена дистилляцией исходной модели на архитектуре FRED-T5-1.7B и содержит 55,1 млн параметров. Для обучения использовался корпус искусственно искажённых русскоязычных текстов на основе Википедии и расшифровок видео. Модель предназначена для автоматической корректуры текстов; карточка приводит результаты оценки на общих, многодоменных, медицинских и GitHub-текстах.

По данным карточки, сложное форматирование может ухудшить качество результата. Лицензия — MIT.

Сценарии применения

  • исправление опечаток в русском тексте
  • автоматическая проверка орфографии
  • восстановление пунктуации и регистра
  • корректура расшифровок русской речи
  • исправление ошибок в пользовательских сообщениях

Ограничения

Сложное форматирование может приводить к ошибкам в сгенерированном тексте. Качество на GitHub-текстах и медицинских записях по приведённым метрикам ниже, чем на общих русскоязычных тестах.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

sage-fredt5-distilled-95m

banner

Summary

The model corrects spelling and punctuation errors and typos by bringing all the words in the text to the norm of the Russian language. Corrector is a distilled version of the original model that had been trained based on the FRED-T5-1.7B architecture. An extensive dataset with “artificial” errors was taken as a training corpus: the corpus was assembled on the basis of the Russian-language Wikipedia and transcripts of Russian-language videos, then typos and spelling errors were automatically introduced into it using the library SAGE.

Public references

Examples

InputOutput
И не чсно прохожим в этот день непогожйи почему я веселый такйоИ не ясно прохожим в этот день непогожий, почему я весёлый такой?
Каждй день воттак делой, и спена балеть нибудет. А вотак каждый день ниделайКаждый день вот так делай, и спена болеть не будет. А вот так каждый день — ни делай.
Основая цель мероприятия практическая отработка навыков по оказанию помощи гражданам, попавшим в ДТП а также повышение и совершенствование уровня профессиональной подготовки сотрудников МЧС при проведении аварийно-спасательных работ по ликвидации последствий дорожно-транспортных проишествий сокращение временных показателей реагирования.Основная цель мероприятия - практическая отработка навыков по оказанию помощи гражданам, попавшим в ДТП, а также повышение и совершенствование уровня профессиональной подготовки сотрудников МЧС при проведении аварийно-спасательных работ по ликвидации последствий дорожно-транспортных происшествий, сокращение временных показателей реагирования.

Metrics

Quality

Below are automatic metrics for determining the correctness of the spell checkers. We compare our solution with both open automatic spell checkers and the ChatGPT family of models on all four available datasets:

  • RUSpellRU: texts collected from (LiveJournal), with manually corrected typos and errors;
  • MultidomainGold: examples from 7 text sources, including the open web, news, social media, reviews, subtitles, policy documents and literary works;
  • MedSpellChecker: texts with errors from medical anamnesis;
  • GitHubTypoCorpusRu: spelling errors and typos in commits from GitHub;

RUSpellRU

ModelPr. (spell)Rec. (spell)F1 (spell)Pr. (punc)Rec. (punc)F1 (punc)Pr. (case)Rec. (case)F1 (case)
sage-fredt5-distilled-95m83.574.878.986.880.683.694.492.593.5
sage-ai-service90.386.388.290.386.688.495.295.995.6
gpt-3.5-turbo33.658.542.785.964.673.784.973.979.0
gpt-454.976.764.084.082.383.291.590.290.9

MultidomainGold

ModelPr. (spell)Rec. (spell)F1 (spell)Pr. (punc)Rec. (punc)F1 (punc)Pr. (case)Rec. (case)F1 (case)
sage-fredt5-distilled-95m77.269.973.466.863.465.076.879.177.9
sage-ai-service81.677.779.670.267.568.880.580.580.5
gpt-3.5-turbo18.848.127.142.031.836.247.151.349.1
gpt-425.468.037.057.854.356.054.067.560.0

MedSpellChecker

ModelPr. (spell)Rec. (spell)F1 (spell)Pr. (punc)Rec. (punc)F1 (punc)Pr. (case)Rec. (case)F1 (case)
sage-fredt5-distilled-95m65.164.864.978.663.170.063.574.768.7
sage-ai-service71.373.572.475.169.272.080.972.876.6
gpt-3.5-turbo14.745.922.369.952.359.826.441.832.3
gpt-437.872.349.681.464.371.973.062.167.1

GitHubTypoCorpusRu

ModelPr. (spell)Rec. (spell)F1 (spell)Pr. (punc)Rec. (punc)F1 (punc)Pr. (case)Rec. (case)F1 (case)
sage-fredt5-distilled-95m57.848.552.745.239.542.129.946.236.3
sage-ai-service70.856.362.748.935.841.432.945.338.1
gpt-3.5-turbo23.738.729.437.623.328.719.635.925.3
gpt-427.052.835.745.932.638.225.736.830.2

How to use

from transformers import AutoTokenizer, AutoModelForSeq2SeqLM

tokenizer = AutoTokenizer.from_pretrained("ai-forever/sage-fredt5-distilled-95m")
model = AutoModelForSeq2SeqLM.from_pretrained("ai-forever/sage-fredt5-distilled-95m")

model.to("cuda")

sentence = "И не чсно прохожим в этот день непогожйи почему я веселый такйо"
inputs = tokenizer(sentence, max_length=None, padding="longest", truncation=False, return_tensors="pt")
outputs = model.generate(**inputs.to(model.device), max_length = inputs["input_ids"].size(1) * 1.5)
print(tokenizer.batch_decode(outputs, skip_special_tokens=True))

# ["И не ясно прохожим в этот день непогожий, почему я весёлый такой?"]

Limitations

  • Complex formatting may cause some trouble in output generation.

Resources

License

Model FRED-T5-1.7B, on the basis of which our solution is made, and its source code are supplied under the MIT license. Our solution comes with MIT license also.

Specifications

  • File size: 0.383 Gb;
  • Framework: pytorch
  • Version: v1.0
  • Developer: SberDevices, AGI NLP

Contacts

nikita.martynov.98@list.ru

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

У модели не указана задача.

Класс архитектуры
T5ForConditionalGeneration
Ревизия весов
ed51b4a

0 моделей