Характеристики

Параметры: 157 млн
Архитектура: mt5 · dense
Опубликована: 3 фев 2024

Ссылки

nep-spell-hft

Экспериментальная модель mT5, предположительно предназначенная для исправления орфографии непальского языка, но её назначение не подтверждено карточкой.

8скачиваний за 30 дней0лайковвеса обновлены12 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

nep-spell-hft — модель на базе архитектуры mT5 с 157,4 млн параметров, опубликованная пользователем duraad. В README указано, что модель обучена с нуля на наборе данных, обозначенном как None; описание назначения, обучающих данных и оценки отсутствует.

По названию можно предположить, что модель связана с исправлением орфографии непальского языка, однако README и метаданные этого не подтверждают. Метаданные указывают формат safetensors и класс MT5ForConditionalGeneration. Лицензия, поддерживаемые языки, конкретные сценарии применения и ограничения не указаны.

Сценарии применения

Предполагаемое исправление орфографических ошибок в тексте на непальском языке

Ограничения

README не содержит сведений о назначении, данных обучения или оценке модели; связь с исправлением непальской орфографии выведена только из названия. Лицензия и поддерживаемые языки не указаны.

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 IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

nep-spell-hft

This model was trained from scratch on the None dataset.

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: 5e-05
train_batch_size: 2
eval_batch_size: 2
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
lr_scheduler_warmup_steps: 500
num_epochs: 1

Framework versions

Transformers 4.37.2
Pytorch 2.0.0
Datasets 2.16.1
Tokenizers 0.15.0

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

У модели не указана задача.

Класс архитектуры: MT5ForConditionalGeneration
Ревизия весов: 68b7ce4