Характеристики

Контекст: 514 токенов
Параметры: 95,2 млн
Лицензия: Apache 2.0
Архитектура: roberta · dense
Базовая модель: distilroberta-base
Опубликована: 22 мая 2024

Ссылки

Hugging Face

distilroberta-base-finetuned-Financial-News-Superior

cm309

Заполнение пропусковТекст → текст3 профессии

Дообученная на финансовых документах модель RoBERTa для предсказания пропущенных слов в тексте.

9скачиваний за 30 дней0лайковвеса обновлены23 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

cm309/distilroberta-base-finetuned-Financial-News-Superior — дообученная модель RoBERTa на базе distilbert/distilroberta-base, созданная для предсказания пропущенных слов в финансовых текстах. Она содержит 95,2 млн параметров, принимает текст с маскированными позициями и предсказывает подходящие токены; максимальная длина контекста — 514 токенов. Модель обучена на наборе financial-reports-sec, а в карточке приведено значение loss 1,4572 на оценочной выборке.

Модель подходит для восстановления скрытых слов в финансовых документах и новостях, а также для экспериментов с языковым моделированием в финансовом домене. Указана лицензия Apache-2.0. Карточка не раскрывает подробности обучения и ограничения качества, поэтому приведённый результат не позволяет оценить пригодность для конкретных прикладных задач.

Сценарии применения

восстановление пропущенных слов в финансовых новостях
заполнение масок в финансовых отчётах SEC
эксперименты с языковым моделированием финансовых текстов

Ограничения

Карточка не приводит подробностей обучения и ограничений качества; указанное значение loss 1,4572 само по себе не показывает пригодность для конкретного применения.

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 I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель I.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

distilroberta-base-finetuned-Financial-News-Superior

This model is a fine-tuned version of distilbert/distilroberta-base on the financial-reports-sec dataset. It achieves the following results on the evaluation set:

Loss: 1.4572

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: 64
eval_batch_size: 64
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 3.0
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss
1.8137	1.0	235	1.5646
1.6397	2.0	470	1.4806
1.6004	3.0	705	1.4789

Framework versions

Transformers 4.41.0
Pytorch 2.3.0+cu121
Datasets 2.19.1
Tokenizers 0.19.1

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: b3ce8ed