Характеристики

Контекст: 514 токенов
Параметры: 305 млн
Архитектура: xlm-roberta · dense
Базовая модель: xlmr_base_emakhuwa
Библиотека: transformers
Опубликована: 15 дек 2024

Ссылки

Hugging Face

xlmr_base_emakhuwa

felerminoali

Заполнение пропусковТекст → текст3 профессии

Дообученная XLM-RoBERTa для предсказания пропущенных слов в текстах на языке эмакхува.

10скачиваний за 30 дней0лайковвеса обновлены15 дек 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

felerminoali/xlmr_base_emakhuwa — дообученная модель XLM-RoBERTa для восстановления пропущенных токенов в тексте на языке эмакхува. Она использует архитектуру XLMRobertaForMaskedLM, содержит 305,2 млн параметров и принимает последовательности длиной до 514 токенов. Модель загружена в формате safetensors и предназначена для задачи fill-mask.

Карточка указывает, что модель дообучена на базе xlmr_base_emakhuwa, но не приводит сведения о наборе данных, оценке качества или практических ограничениях. Лицензия в предоставленных данных не указана.

Сценарии применения

подстановка пропущенного слова в предложении на эмакхува
проверка языковых гипотез о продолжении предложения
подготовка текстовых примеров для языковых исследований

Ограничения

В карточке не приведены датасет обучения, результаты оценки или сведения о качестве и ограничениях модели. Поддержку языка и назначение следует считать ориентировочными до независимой проверки.

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 II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей I.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

xlmr_base_emakhuwa

This model is a fine-tuned version of xlmr_base_emakhuwa on an unknown 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: 4
eval_batch_size: 8
seed: 42
distributed_type: multi-GPU
optimizer: Use adamw_torch with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
num_epochs: 3.0

Framework versions

Transformers 4.47.0
Pytorch 2.1.0a0+4136153
Datasets 3.2.0
Tokenizers 0.21.0

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры: XLMRobertaForMaskedLM
Ревизия весов: 1a03442