Характеристики

Контекст: 514 токенов
Параметры: 152 млн
Архитектура: bert · dense
Опубликована: 10 сен 2023

Ссылки

Hugging Face

bert-base-zero

buddhilive

Заполнение пропусковТекст → текст

Дообученная модель BERT для предсказания скрытых токенов в тексте.

5скачиваний за 30 дней0лайковвеса обновлены10 сен 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

buddhilive/bert-base-zero — модель семейства BERT для задачи заполнения пропусков в тексте. Она представлена в формате TensorFlow и содержит 151,8 млн параметров; длина контекста составляет 514 токенов. README сообщает о дообучении, но не называет базовую модель и обучающие данные. Назначение модели — предсказывать токен, скрытый в текстовой последовательности.

Сценарии применения

подстановка пропущенного слова в предложение
подбор вероятного токена вместо маски в тексте
оценка вариантов заполнения текстового пропуска

Ограничения

README не раскрывает базовую модель, обучающий набор данных, поддерживаемые языки и результаты оценки. Контекст ограничен 514 токенами.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

bert-base-zero

This model is a fine-tuned version of on an unknown dataset. It achieves the following results on the evaluation set:

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:

optimizer: {'name': 'Adam', 'weight_decay': None, 'clipnorm': None, 'global_clipnorm': None, 'clipvalue': None, 'use_ema': False, 'ema_momentum': 0.99, 'ema_overwrite_frequency': None, 'jit_compile': False, 'is_legacy_optimizer': False, 'learning_rate': 1e-04, 'beta_1': 0.9, 'beta_2': 0.999, 'epsilon': 1e-07, 'amsgrad': False}
training_precision: float32

Training results

Framework versions

Transformers 4.33.1
TensorFlow 2.13.0
Tokenizers 0.13.3

Как запустить

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

GPU в ailist

Универсальный рантайм · fill-mask

Нельзя запустить

В репозитории нет весов в формате PyTorch/safetensors.

Класс архитектуры: BertForMaskedLM
Ревизия весов: 9b7036b