Характеристики

Контекст: 512 токенов
Архитектура: hybridbert · dense
Опубликована: 2 окт 2023

Ссылки

Hugging Face

HBERTv1_48_L2_H128_A2

gokuls

Заполнение пропусковТекст → текст3 профессии

Дообученная HybridBERT-модель для предсказания пропущенных токенов в тексте с контекстом до 512 токенов.

7скачиваний за 30 дней0лайковвеса обновлены4 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_L2_H128_A2 — модель семейства HybridBERT для заполнения пропусков в тексте. Она представлена пользователем gokuls и дообучена на наборе gokuls/wiki_book_corpus_complete_processed_bert_dataset. Архитектура — DistilBertForMaskedLM; модель принимает текст с маскированными токенами и предсказывает подходящие токены на их месте. Контекстное окно составляет 512 токенов.

В карточке приведены результаты оценки: loss 6,0202 и accuracy 0,15. Они указывают на ограниченное качество предсказаний в указанной оценке; подробности тестового набора и методики не описаны. Лицензия и поддерживаемые естественные языки не указаны в предоставленных данных.

Сценарии применения

подстановка пропущенного слова в предложении
проверка вариантов продолжения текста с маскированным токеном
получение контекстных предсказаний токенов на корпусе Википедии и книг

Ограничения

В карточке указаны loss 6,0202 и accuracy 0,15, что свидетельствует о скромном результате на приведённой оценке. Языковая поддержка, лицензия и подробности оценки не приведены.

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_L2_H128_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: 6.0202
Accuracy: 0.1500

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: 162
eval_batch_size: 162
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: 8e04827