Дообученная XLM-RoBERTa Large для токенной классификации и распознавания именованных сущностей в тексте.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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
Модель asahi417/tner-xlm-roberta-large-bc5cdr — версия XLM-RoBERTa Large, дообученная для распознавания именованных сущностей (NER). Она выполняет токенную классификацию и предназначена для выделения сущностей в тексте; суффикс bc5cdr указывает на вариант из серии TNER, однако карточка не уточняет набор распознаваемых меток. Модель содержит 658,7 млн параметров, использует архитектуру XLM-RoBERTa и рассчитана на контекст до 514 токенов. Репозиторий предоставляет веса PyTorch.
Модель подходит для извлечения сущностей из текста, в том числе в исследовательских и прикладных NLP-сценариях. XLM-RoBERTa — многоязычное семейство, но конкретные языки, поддерживаемые именно этим чекпойнтом, в карточке не перечислены. Сведений о лицензии и известных ограничениях в предоставленных данных нет.
Карточка не перечисляет метки сущностей, обучающие языки и лицензию; длинные входы ограничены контекстом до 514 токенов.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
XLM-RoBERTa finetuned on NER. Check more detail at TNER repository.
from transformers import AutoTokenizer, AutoModelForTokenClassification
tokenizer = AutoTokenizer.from_pretrained("asahi417/tner-xlm-roberta-large-bc5cdr")
model = AutoModelForTokenClassification.from_pretrained("asahi417/tner-xlm-roberta-large-bc5cdr")
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · token-classification
Подбираем GPU…