Характеристики

Контекст: 514 токенов
Параметры: 95,2 млн
Лицензия: Apache 2.0
Архитектура: roberta · dense
Базовая модель: distilroberta-base
Опубликована: 30 мар 2024

Ссылки

Hugging Face

distilroberta-base-finetuned-wikitext2

clarapan

Заполнение пропусковТекст → текст3 профессии

Дообученная на WikiText‑2 модель RoBERTa для предсказания слов и заполнения пропусков в тексте.

60скачиваний за 30 дней0лайковвеса обновлены3 апр 2024

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

Модель clarapan/distilroberta-base-finetuned-wikitext2 — дообученная на WikiText‑2 версия distilroberta-base от автора репозитория clarapan. Это языковая модель архитектуры RoBERTa с 95,2 млн параметров, предназначенная для заполнения пропусков в тексте: она предсказывает вероятные токены вместо маскированного фрагмента. Модель принимает текст и выдаёт оценки вариантов токена; поддерживаемый контекст — до 514 токенов.

Модель подходит для восстановления пропусков и подсказок при редактировании текста. В README приведена оценка loss 1,1965 на наборе оценки, но подробности его состава и методики не указаны. Лицензия — Apache-2.0.

Сценарии применения

подстановка пропущенного слова в предложении
получение вариантов продолжения фразы с маской
подсказки при редактировании текста
восстановление замаскированных токенов в англоязычном корпусе

Ограничения

В README не приведены подробности обучающего набора и ограничений применения; указан только WikiText‑2 и loss 1,1965 на наборе оценки. Контекст ограничен 514 токенами.

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

distilroberta-base-finetuned-wikitext2

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

Loss: 1.1965

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: 0.0001
train_batch_size: 8
eval_batch_size: 8
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 3.0

Training results

Training Loss	Epoch	Step	Validation Loss
1.5806	1.0	21652	1.4500
1.3733	2.0	43304	1.2802
1.2347	3.0	64956	1.1940

Framework versions

Transformers 4.40.0.dev0
Pytorch 2.3.0.dev20240229
Datasets 2.18.0
Tokenizers 0.15.1

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: RobertaForMaskedLM
Ревизия весов: 7f39480