/ Модель

Характеристики

Контекст
512 токенов
Параметры
136 млн
Архитектура
roberta · dense
Опубликована
16 ноя 2023

RoBERTa-tl-cased

Заполнение пропусковТекст → текст

Предварительно обученная RoBERTa для заполнения пропусков в текстах на тагальском и таглише.

177скачиваний за 30 дней0лайковвеса обновлены16 фев 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

RoBERTa-tl-cased — предварительно обученная языковая модель семейства RoBERTa от проекта ITANONG, созданная для филиппинских языков. Она предназначена для заполнения пропусков в тексте: модель предсказывает замаскированные токены на основе окружающего контекста.

Модель содержит 136,3 млн параметров, использует архитектуру RobertaForMaskedLM и принимает последовательности длиной до 512 токенов. При обучении использовались формальные и неформальные тексты; в карточке указано, что набор данных проекта включает тагальский и таглиш. Модель представлена в формате PyTorch.

Её можно использовать для восстановления пропущенных слов и языковых экспериментов с тагальским текстом. Карточка не сообщает базовую модель, лицензию или дополнительные ограничения применения.

Сценарии применения

  • восстановление замаскированных слов в тагальском тексте
  • подстановка пропущенных токенов в таглише
  • языковые эксперименты с тагальскими текстами

Ограничения

Максимальная длина контекста — 512 токенов. В карточке не приведены сведения о лицензии и количественная оценка качества.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Description

As part of the ITANONG project's 10 billion-token Tagalog dataset, we have introduced our initial pre-trained language models for Philippine languages. Our model suite encompasses various BERT-based, GPT-based, and Sentence Transformers tailored for Tagalog,Taglish and Cebuano.

Training Details

This model was trained using an Nvidia V100-32GB GPU on DOST-ASTI Computing and Archiving Research Environment (COARE) - https://asti.dost.gov.ph/projects/coare/

Training Data

The training dataset was compiled from both formal and informal sources, consisting of 5,159,917 instances from formal channels and 3,057,180 from informal sources. More information on pre-processing and training parameters on our paper

Citation

Paper : iTANONG-DS : A Collection of Benchmark Datasets for Downstream Natural Language Processing Tasks on Select Philippine Language

Bibtex:

@inproceedings{visperas-etal-2023-itanong,
    title = "i{TANONG}-{DS} : A Collection of Benchmark Datasets for Downstream Natural Language Processing Tasks on Select {P}hilippine Languages",
    author = "Visperas, Moses L.  and
      Borjal, Christalline Joie  and
      Adoptante, Aunhel John M  and
      Abacial, Danielle Shine R.  and
      Decano, Ma. Miciella  and
      Peramo, Elmer C",
    editor = "Abbas, Mourad  and
      Freihat, Abed Alhakim",
    booktitle = "Proceedings of the 6th International Conference on Natural Language and Speech Processing (ICNLSP 2023)",
    month = dec,
    year = "2023",
    address = "Online",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/2023.icnlsp-1.34",
    pages = "316--323",
}

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
d0f01f8

0 моделей