/ Модель
Каталог

Характеристики

Контекст
1 026 токенов
Параметры
79,7 млн
Лицензия
MIT
Архитектура
bart · dense
Опубликована
2 мар 2022

Ссылки

Hugging Face

kobart-base-v1

gogamza
ЭмбеддингиТекст → embedding4 профессии

KoBART-base-v1 — корейская модель BART для извлечения текстовых признаков и получения скрытых представлений.

467скачиваний за 30 дней1лайквеса обновлены29 июн 2023

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Эмбеддинги» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

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

KoBART-base-v1 — корейская модель семейства BART, опубликованная gogamza. Это плотная модель с архитектурой BartModel, содержащая 79,7 млн параметров; она предназначена для извлечения признаков из текста и может использоваться как основа для построения прикладных NLP-систем. Для загрузки применяются Transformers и PreTrainedTokenizerFast. Модель принимает текст и выдаёт скрытые представления токенов; заявленный размер контекста составляет 1026 токенов. Поддерживаемый язык — корейский. Репозиторий содержит веса PyTorch и Safetensors и распространяется по лицензии MIT.

Сценарии применения

  • получение векторных представлений корейского текста
  • извлечение признаков для последующей классификации текста
  • подготовка признаков для корейских NLP-систем

Ограничения

Карточка не сообщает результатов оценки качества и не описывает специализированные задачи; модель представлена как базовый энкодер признаков, а не готовая прикладная система.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейI.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделейII.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделейI.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

KoBART-base-v1

from transformers import PreTrainedTokenizerFast, BartModel

tokenizer = PreTrainedTokenizerFast.from_pretrained('gogamza/kobart-base-v1')
model = BartModel.from_pretrained('gogamza/kobart-base-v1')

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
BartModel
Ревизия весов
5aa5969

0 моделей

    Создать бенчмарк