/ Модель
Каталог

Характеристики

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

Ссылки

Hugging Face

gbert-job-extended

dathi103
Заполнение пропусковТекст → текст3 профессии

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

9скачиваний 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-extended — дообученная немецкоязычная модель BERT для предсказания замаскированных слов. Она разработана на основе deepset/gbert-base и содержит 139,9 млн параметров. Модель принимает текст с маскированным фрагментом и предсказывает вероятные слова на его месте; контекст ограничен 512 токенами.

Модель можно применять для подстановки пропущенных слов и адаптации к задачам понимания немецкого текста. В README указана оценка Loss 1,7968 на наборе для оценки, однако датасет и подробности обучения не описаны. Модель распространяется по лицензии MIT.

Сценарии применения

  • подстановка пропущенных слов в немецких текстах
  • предсказание слов вместо маски в немецком предложении
  • адаптация BERT для задач понимания немецкого текста

Ограничения

Датасет дообучения и подробные результаты оценки не описаны; указан только Loss 1,7968. Контекст ограничен 512 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 385моделейII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейI.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

gbert-job-extended

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: 1.7968

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 LossEpochStepValidation Loss
2.15021.078942.0106
1.96262.0157881.8397
1.89993.0236821.7968

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
fad8792

0 моделей

    Создать бенчмарк