Характеристики

Контекст: 512 токенов
Параметры: 137 млн
Лицензия: MIT
Архитектура: bert · dense
Базовая модель: gbert-base
Опубликована: 7 июн 2024

Ссылки

Hugging Face

gbert-job

dathi103

Заполнение пропусковТекст → текст3 профессии

Дообученная немецкоязычная BERT-модель для предсказания замаскированных слов в тексте.

10скачиваний за 30 дней0лайковвеса обновлены7 июн 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

dathi103/gbert-job — дообученная на неизвестном датасете немецкоязычная модель BERT для заполнения пропусков в тексте. Она основана на deepset/gbert-base, имеет 137,1 млн параметров и принимает последовательности длиной до 512 токенов. Подходит для предсказания замаскированных слов в немецком тексте. В README приведено значение loss 1,6029 на оценочном наборе, но описание данных и условий оценки отсутствует, поэтому результат сложно интерпретировать. Модель распространяется по лицензии MIT.

Сценарии применения

подстановка пропущенного слова в немецком предложении
подсказки при редактировании немецкого текста
проверка контекста и словоупотребления в немецком тексте

Ограничения

Данные обучения неизвестны, а значение loss 1,6029 приведено без описания оценочного набора и методики, поэтому качество трудно оценить.

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.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделей II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

gbert-job

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

Loss: 1.6029

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

Training results

Training Loss	Epoch	Step	Validation Loss
1.8553	1.0	9117	1.7487
1.7392	2.0	18234	1.6453
1.695	3.0	27351	1.6029

Framework versions

Transformers 4.38.1
Pytorch 2.1.2+cu121
Datasets 2.18.0
Tokenizers 0.15.2

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: BertForMaskedLM
Ревизия весов: ab3ceb0