/ Модель

Характеристики

Контекст
514 токенов
Параметры
659 млн
Лицензия
CC BY-SA 4.0
Архитектура
xlm-roberta · dense
Опубликована
8 ноя 2023

xlm-r-bertic

Заполнение пропусковТекст → текст3 профессии

XLM-R-BERTić — предварительно обученная модель XLM-RoBERTa для работы с южнославянским текстом и предсказания замаскированных токенов.

388скачиваний за 30 дней3лайкавеса обновлены27 мая 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

XLM-R-BERTić — модель компании CLASSLA, созданная дополнительным предобучением XLM-RoBERTa-large на 48 тысячах шагов на южнославянских языках с использованием набора XLM-R-BERTić. Это трансформер XLM-RoBERTa с 658,7 млн параметров, предназначенный для предсказания замаскированных токенов и адаптации к последующим задачам обработки южнославянского текста.

Модель подходит как основа для дообучения на распознавание именованных сущностей, оценку тональности и COPA — выбор правдоподобной альтернативы. В README приведены результаты таких downstream-моделей для боснийского, хорватского и сербского языков; сами задачи требуют отдельного дообучения.

Репозиторий содержит веса PyTorch, заявленная лицензия — CC BY-SA 4.0. Контекст составляет 514 токенов. Приведённые в карточке оценки относятся к конкретным наборам данных и дообученным вариантам, поэтому не гарантируют такое же качество при других сценариях.

Сценарии применения

  • восстановление пропущенных слов в южнославянском тексте
  • дообучение модели для распознавания именованных сущностей на сербском и хорватском
  • дообучение для оценки тональности текстов на боснийском, хорватском и сербском
  • дообучение для выбора правдоподобного продолжения или альтернативы

Ограничения

Распознавание именованных сущностей, оценка тональности и COPA проверялись на отдельных дообученных вариантах; для этих задач базовую модель нужно дообучить. Результаты бенчмарков зависят от конкретных наборов данных и не гарантируют качество на других текстах.

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

XLM-R-BERTić

This model was produced by pre-training XLM-Roberta-large 48k steps on South Slavic languages using XLM-R-BERTić dataset

Benchmarking

Three tasks were chosen for model evaluation:

  • Named Entity Recognition (NER)
  • Sentiment regression
  • COPA (Choice of plausible alternatives)

In all cases, this model was finetuned for specific downstream tasks.

NER

Average macro-F1 scores from three runs were used to evaluate performance. Datasets used: hr500k, ReLDI-sr, ReLDI-hr, and SETimes.SR.

systemdatasetF1 score
XLM-R-BERTićhr500k0.927
BERTićhr500k0.925
XLM-R-SloBERTićhr500k0.923
XLM-Roberta-Largehr500k0.919
crosloengual-berthr500k0.918
XLM-Roberta-Basehr500k0.903
systemdatasetF1 score
XLM-R-SloBERTićReLDI-hr0.812
XLM-R-BERTićReLDI-hr0.809
crosloengual-bertReLDI-hr0.794
BERTićReLDI-hr0.792
XLM-Roberta-LargeReLDI-hr0.791
XLM-Roberta-BaseReLDI-hr0.763
systemdatasetF1 score
XLM-R-SloBERTićSETimes.SR0.949
XLM-R-BERTićSETimes.SR0.940
BERTićSETimes.SR0.936
XLM-Roberta-LargeSETimes.SR0.933
crosloengual-bertSETimes.SR0.922
XLM-Roberta-BaseSETimes.SR0.914
systemdatasetF1 score
XLM-R-BERTićReLDI-sr0.841
XLM-R-SloBERTićReLDI-sr0.824
BERTićReLDI-sr0.798
XLM-Roberta-LargeReLDI-sr0.774
crosloengual-bertReLDI-sr0.751
XLM-Roberta-BaseReLDI-sr0.734

Sentiment regression

ParlaSent dataset was used to evaluate sentiment regression for Bosnian, Croatian, and Serbian languages. The procedure is explained in greater detail in the dedicated benchmarking repository.

systemtraintestr^2
xlm-r-parlasentParlaSent_BCS.jsonlParlaSent_BCS_test.jsonl0.615
BERTićParlaSent_BCS.jsonlParlaSent_BCS_test.jsonl0.612
XLM-R-SloBERTićParlaSent_BCS.jsonlParlaSent_BCS_test.jsonl0.607
XLM-Roberta-LargeParlaSent_BCS.jsonlParlaSent_BCS_test.jsonl0.605
XLM-R-BERTićParlaSent_BCS.jsonlParlaSent_BCS_test.jsonl0.601
crosloengual-bertParlaSent_BCS.jsonlParlaSent_BCS_test.jsonl0.537
XLM-Roberta-BaseParlaSent_BCS.jsonlParlaSent_BCS_test.jsonl0.500
dummy (mean)ParlaSent_BCS.jsonlParlaSent_BCS_test.jsonl-0.12

COPA

systemdatasetAccuracy score
BERTićCopa-SR0.689
XLM-R-SloBERTićCopa-SR0.665
XLM-R-BERTićCopa-SR0.637
crosloengual-bertCopa-SR0.607
XLM-Roberta-BaseCopa-SR0.573
XLM-Roberta-LargeCopa-SR0.570
systemdatasetAccuracy score
BERTićCopa-HR0.669
XLM-R-SloBERTićCopa-HR0.628
XLM-R-BERTićCopa-HR0.635
crosloengual-bertCopa-HR0.669
XLM-Roberta-BaseCopa-HR0.585
XLM-Roberta-LargeCopa-HR0.571

Citation

Please cite the following paper:

@inproceedings{ljubesic-etal-2024-language,
    title = "Language Models on a Diet: Cost-Efficient Development of Encoders for Closely-Related Languages via Additional Pretraining",
    author = "Ljube{\v{s}}i{\'c}, Nikola  and
      Suchomel, V{\'\i}t  and
      Rupnik, Peter  and
      Kuzman, Taja  and
      van Noord, Rik",
    editor = "Melero, Maite  and
      Sakti, Sakriani  and
      Soria, Claudia",
    booktitle = "Proceedings of the 3rd Annual Meeting of the Special Interest Group on Under-resourced Languages @ LREC-COLING 2024",
    month = may,
    year = "2024",
    address = "Torino, Italia",
    publisher = "ELRA and ICCL",
    url = "https://aclanthology.org/2024.sigul-1.23",
    pages = "189--203",
}

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
XLMRobertaForMaskedLM
Ревизия весов
843fcf7

0 моделей