Характеристики

Контекст: 512 токенов
Архитектура: hybridbert · dense
Опубликована: 29 сен 2023

Ссылки

Hugging Face

HBERTv1_48_L10_H64_A2

gokuls

Заполнение пропусковТекст → текст3 профессии

Модель HybridBERT, дообученная на корпусе Wiki и Book, предсказывает пропущенные токены в тексте.

7скачиваний за 30 дней0лайковвеса обновлены2 окт 2023

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

HBERTv1_48_L10_H64_A2 — модель семейства HybridBERT для заполнения пропусков в тексте. Она представлена в формате PyTorch и дообучена на наборе gokuls/wiki_book_corpus_complete_processed_bert_dataset. Модель принимает текст с маскированными токенами и предсказывает, какие токены могут стоять на их месте; контекстное окно составляет 512 токенов.

В карточке приведены результаты оценки на тестовой выборке: loss 6,1168 и accuracy 0,1486. Описание не уточняет, на каких языках обучалась модель и для каких прикладных сценариев она проверялась. Лицензия и исходная базовая модель не указаны, поэтому условия распространения и использования по имеющимся данным определить нельзя.

Сценарии применения

предсказание замаскированных слов в тексте
восстановление пропусков в учебных текстах
эксперименты с заполнением масок в корпусах Wiki и Book

Ограничения

На указанной оценочной выборке accuracy составляет 0,1486; назначение и качество для конкретных задач в карточке не описаны. Языковая поддержка и лицензия не определены по доступным данным.

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.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей 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

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

HBERTv1_48_L10_H64_A2

This model is a fine-tuned version of on the gokuls/wiki_book_corpus_complete_processed_bert_dataset dataset. It achieves the following results on the evaluation set:

Loss: 6.1168
Accuracy: 0.1486

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: 1e-05
train_batch_size: 110
eval_batch_size: 110
seed: 10
distributed_type: multi-GPU
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
lr_scheduler_warmup_steps: 10000
num_epochs: 100

Training results

Framework versions

Transformers 4.33.3
Pytorch 1.14.0a0+410ce96
Datasets 2.14.5
Tokenizers 0.13.3

Как запустить

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

GPU в ailist

Универсальный рантайм · fill-mask

Нельзя запустить

Архитектура hybridbert неизвестна transformers в образе рантайма.

Класс архитектуры: DistilBertForMaskedLM
Ревизия весов: fb91465