Англоязычная GCSE-BERT-base — дообученная BERT-модель для оценки смыслового сходства предложений.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.
Вместе с другими моделями категории «Эмбеддинги» — сравнение идёт внутри одной категории.
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.
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.
Описание составлено по карточке модели и метаданным Hugging Face
aleversn/GCSE-BERT-base — англоязычная модель семейства GCSE на архитектуре BERT, дообученная на базе google-bert/bert-base-uncased для оценки сходства предложений. Она предназначена для сравнения смысловой близости текстов; в карточке приведён результат 81,98 по средней метрике STS. Модель содержит 136,7 млн параметров, принимает текстовые последовательности с контекстом до 512 токенов и распространяется в формате PyTorch. Лицензия — Apache-2.0.
Модель рассчитана на английский язык; качество для других языков не подтверждено. Контекст ограничен 512 токенами.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
We release our model checkpoints in huggingface as listed below:
| Model | Avg. STS |
|---|---|
| aleversn/GCSE-BERT-base | 81.98 |
| aleversn/GCSE-BERT-large | 83.07 |
| aleversn/GCSE-RoBERTa-base | 82.12 |
| aleversn/GCSE-RoBERTa-large | 83.82 |
from transformers import AutoTokenizer, AutoModel
tokenizer = AutoTokenizer.from_pretrained("aleversn/GCSE-BERT-base")
model = AutoModel.from_pretrained("aleversn/GCSE-BERT-base")
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…