Характеристики

Контекст: 512 токенов
Параметры: 32,5 млн
Архитектура: bert · dense
Опубликована: 5 ноя 2023

Ссылки

Hugging Face

major-sea-94

aleksahet

Заполнение пропусковТекст → текст3 профессии

Компактная дообученная модель BERT для предсказания скрытых слов и токенов в тексте.

9скачиваний за 30 дней0лайковвеса обновлены5 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

aleksahet/major-sea-94 — модель семейства BERT с архитектурой BertForMaskedLM, содержащая 32,5 млн параметров и принимающая последовательности длиной до 512 токенов. Она предназначена для задачи fill-mask: предсказывает скрытые токены в тексте на основе окружающего контекста. В README указана тонкая настройка и значение loss 1,5981 на наборе оценки, однако базовая модель, обучающие данные и предполагаемые сценарии применения не описаны. Модель опубликована в формате PyTorch; лицензия в предоставленных данных не указана.

Сценарии применения

подстановка пропущенного слова в предложении
восстановление скрытых токенов в тексте
получение контекстных вариантов для маскированного фрагмента

Ограничения

Базовая модель и данные дообучения не указаны, поэтому языковую поддержку и пригодность для конкретных областей определить нельзя. В README приведён только loss 1,5981 без описания методики оценки и ориентиров для интерпретации результата.

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 385моделей II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

major-sea-94

This model is a fine-tuned version of on the None dataset. It achieves the following results on the evaluation set:

Loss: 1.5981

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: 0.0005
train_batch_size: 16
eval_batch_size: 16
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 4

Training results

Training Loss	Epoch	Step	Validation Loss
2.0163	0.76	10000	1.9201
1.8172	1.53	20000	1.7582
1.7234	2.29	30000	1.6834
1.663	3.05	40000	1.6338
1.6667	3.82	50000	1.6013

Framework versions

Transformers 4.33.0
Pytorch 2.0.0
Datasets 2.14.5
Tokenizers 0.13.3

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: 36987fd