/ Модель

Характеристики

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

kobart-base-v2

ЭмбеддингиТекст → embedding3 профессии

Корейская модель BART для извлечения признаков из текста и использования в последующих NLP-задачах.

2 303скачиваний за 30 дней42лайкавеса обновлены12 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.

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

gogamza/kobart-base-v2 — корейская языковая модель семейства BART, распространяемая Heewon (Haven) Jeon. Это модель кодировщика-декодировщика, обученная восстанавливать исходный текст после добавления шума типа Text Infilling. Для обучения использованы более 40 ГБ корейских текстов, включая Википедию, новости, книги, диалоги и другие корпуса. В словарь Character BPE токенизатора размером 30 000 добавлены часто используемые в переписке эмодзи и текстовые смайлы.

Модель предназначена для извлечения признаков из корейского текста и может служить основой для последующих NLP-задач. В README указаны результаты на NSMC, KorSTS и Question Pair, но сведения об оценочных наборах и методике приведены ограниченно. Размер модели в метаданных указан как 79,7 млн параметров; README приводит для KoBART-base архитектурную таблицу с 12 слоями и 124 млн параметров. Контекст составляет 1026 токенов. Лицензия — MIT. Возможны предвзятые или вредные стереотипные ответы, поэтому результаты требуют проверки.

Сценарии применения

  • извлечение признаков из корейских текстов
  • получение представлений корейских предложений для классификации
  • подготовка корейских текстовых данных для тонкой настройки NLP-моделей

Ограничения

Модель может воспроизводить вредные стереотипы и предвзятость из обучающих данных. README приводит неодинаковые сведения о числе параметров: в таблице архитектуры указано 124 млн, а метаданные сообщают 79,7 млн.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Card for kobart-base-v2

Model Details

Model Description

BART(Bidirectional and Auto-Regressive Transformers)는 입력 텍스트 일부에 노이즈를 추가하여 이를 다시 원문으로 복구하는 autoencoder의 형태로 학습이 됩니다. 한국어 BART(이하 KoBART) 는 논문에서 사용된 Text Infilling 노이즈 함수를 사용하여 40GB 이상의 한국어 텍스트에 대해서 학습한 한국어 encoder-decoder 언어 모델입니다. 이를 통해 도출된 KoBART-base를 배포합니다.

  • Developed by: More information needed
  • Shared by [Optional]: Heewon(Haven) Jeon
  • Model type: Feature Extraction
  • Language(s) (NLP): Korean
  • License: MIT
  • Parent Model: BART
  • Resources for more information:

Uses

Direct Use

This model can be used for the task of Feature Extraction.

Downstream Use [Optional]

More information needed.

Out-of-Scope Use

The model should not be used to intentionally create hostile or alienating environments for people.

Bias, Risks, and Limitations

Significant research has explored bias and fairness issues with language models (see, e.g., Sheng et al. (2021) and Bender et al. (2021)). Predictions generated by the model may include disturbing and harmful stereotypes across protected classes; identity characteristics; and sensitive, social, and occupational groups.

Recommendations

Users (both direct and downstream) should be made aware of the risks, biases and limitations of the model. More information needed for further recommendations.

Training Details

Training Data

Data# of Sentences
Korean Wiki5M
Other corpus0.27B

한국어 위키 백과 이외, 뉴스, 책, 모두의 말뭉치 v1.0(대화, 뉴스, ...), 청와대 국민청원 등의 다양한 데이터가 모델 학습에 사용되었습니다.

vocab 사이즈는 30,000 이며 대화에 자주 쓰이는 아래와 같은 이모티콘, 이모지 등을 추가하여 해당 토큰의 인식 능력을 올렸습니다.

😀, 😁, 😆, 😅, 🤣, .. , :-), :), -), (-:...

Training Procedure

Tokenizer

tokenizers 패키지의 Character BPE tokenizer로 학습되었습니다.

Speeds, Sizes, Times

Model# of paramsType# of layers# of headsffn_dimhidden_dims
KoBART-base124MEncoder6163072768
Decoder6163072768

Evaluation

Testing Data, Factors & Metrics

Testing Data

More information needed

Factors

More information needed

Metrics

More information needed

Results

NSMC

  • acc. : 0.901

The model authors also note in the GitHub Repo:

NSMC(acc)KorSTS(spearman)Question Pair(acc)
KoBART-base90.2481.6694.34

Model Examination

More information needed

Environmental Impact

Carbon emissions can be estimated using the Machine Learning Impact calculator presented in Lacoste et al. (2019).

  • Hardware Type: More information needed
  • Hours used: More information needed
  • Cloud Provider: More information needed
  • Compute Region: More information needed
  • Carbon Emitted: More information needed

Technical Specifications [optional]

Model Architecture and Objective

More information needed

Compute Infrastructure

More information needed

Hardware

More information needed

Software

More information needed.

Citation

BibTeX:

More information needed.

Glossary [optional]

More information needed

More Information [optional]

More information needed

Model Card Authors [optional]

Heewon(Haven) Jeon in collaboration with Ezi Ozoani and the Hugging Face team

Model Card Contact

The model authors note in the GitHub Repo: KoBART 관련 이슈는 이곳에 올려주세요.

How to Get Started with the Model

Use the code below to get started with the model.

 from transformers import PreTrainedTokenizerFast, BartModel

tokenizer = PreTrainedTokenizerFast.from_pretrained('gogamza/kobart-base-v2')
model = BartModel.from_pretrained('gogamza/kobart-base-v2')

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
f5899cc

0 моделей