/ Модель

Характеристики

Контекст
4 098 токенов
Параметры
152 млн
Архитектура
longformer · dense
Опубликована
11 ноя 2023

clinical_longformer_same_tokens_1epochs_250k

Заполнение пропусковТекст → текст3 профессии

Дообученная Longformer-модель для предсказания замаскированных токенов в клинических текстах.

8скачиваний за 30 дней0лайковвеса обновлены12 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

camilon/clinical_longformer_same_tokens_1epochs_250k — дообученная модель семейства Longformer с архитектурой LongformerForMaskedLM и примерно 151,8 млн параметров. Она предназначена для заполнения пропусков в тексте: модель предсказывает замаскированные токены, что может использоваться для анализа и обработки клинических текстов. Максимальная длина контекста составляет 4098 токенов; веса опубликованы в формате safetensors.

В карточке указана оценка Loss 1.5640 на тестовой выборке, однако подробности датасета и оценки модели не приведены. Лицензия в доступных данных не указана.

Сценарии применения

  • заполнение пропусков в клинических записях
  • предсказание замаскированных слов в медицинских текстах
  • анализ контекста в длинных клинических документах

Ограничения

В README не описаны обучающие данные и предполагаемые сценарии применения; оценка Loss 1.5640 приведена без подробностей методики. Языки и лицензия в доступных источниках не обозначены.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

clinical_longformer_same_tokens_1epochs_250k

This model is a fine-tuned version of camilon/clinical_longformer_same_tokens_1epochs_200k on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 1.5640

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: 2e-05
  • train_batch_size: 2
  • eval_batch_size: 16
  • seed: 42
  • gradient_accumulation_steps: 64
  • total_train_batch_size: 128
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 1500
  • num_epochs: 1

Training results

Training LossEpochStepValidation Loss
1.79840.16651.6415
1.83320.311301.6324
1.74280.471951.6149
1.87570.632601.5976
1.78740.783251.5924
1.81660.943901.5640

Framework versions

  • Transformers 4.35.0
  • Pytorch 2.1.0+cu118
  • Datasets 2.14.6
  • Tokenizers 0.14.1

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
LongformerForMaskedLM
Ревизия весов
2278d7f

0 моделей