/ Модель
Каталог

Характеристики

Контекст
512 токенов
Архитектура
hybridbert · dense
Опубликована
21 июн 2023

Ссылки

Hugging Face

model_v1_complete_training_wt_init_48_mini

gokuls
Заполнение пропусковТекст → текст3 профессии

Дообученная модель HybridBERT для предсказания замаскированных токенов и восстановления пропусков в тексте.

11скачиваний за 30 дней0лайковвеса обновлены23 июн 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

gokuls/model_v1_complete_training_wt_init_48_mini — модель семейства HybridBERT на архитектуре DistilBertForMaskedLM, дообученная для предсказания замаскированных токенов в тексте. Она подходит для восстановления пропусков и анализа контекстных вариантов слова. В README приведены результаты оценки: loss 2,7920 и accuracy 0,4992; описание обучения и данных отсутствует.

Модель принимает текст и предсказывает текстовые токены. Контекст ограничен 512 токенами. Указан формат PyTorch. Лицензия в предоставленных данных не указана.

Сценарии применения

  • восстановление скрытого слова в предложении
  • подбор контекстного варианта слова
  • заполнение пропусков в коротком тексте

Ограничения

В README не описаны обучающие данные и предполагаемые сценарии; приведённая точность составляет 0,4992, но методика и набор оценки не раскрыты.

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 385моделейII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

model_v1_complete_training_wt_init_48_mini

This model is a fine-tuned version of on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 2.7920
  • Accuracy: 0.4992

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: 48
  • eval_batch_size: 48
  • 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: 25

Training results

Training LossEpochStepValidation LossAccuracy
5.94110.25300005.88330.1518
5.64080.49600005.52650.1908
4.53850.74900004.31330.3138
4.10150.981200003.89960.3583
3.91191.231500003.71990.3783
3.78321.471800003.60390.3920
3.66861.722100003.50570.4033
3.57931.972400003.42270.4137
3.51282.212700003.36450.4209
3.45972.463000003.32190.4261
3.42632.73300003.28410.4312
3.39092.953600003.25470.4348
3.36353.23900003.22840.4379
3.34883.444200003.20600.4409
3.32393.694500003.18720.4436
3.30623.934800003.16600.4462
3.28414.185100003.14930.4485
3.26634.425400003.13550.4503
3.2594.675700003.12290.4519
3.24294.926000003.10960.4535
3.22345.166300003.09470.4554
3.21155.416600003.08180.4573
3.20115.656900003.06850.4590
3.18985.97200003.04640.4619
3.16516.147500003.02260.4658
3.14776.397800003.00250.4689
3.12766.648100002.98380.4718
3.11026.888400002.96900.4740
3.10467.138700002.95630.4757
3.08177.379000002.94770.4771
3.08137.629300002.93970.4785
3.07097.879600002.92590.4804
3.05288.119900002.92080.4812
3.05418.3610200002.90890.4829
3.04698.610500002.90150.4839
3.03778.8510800002.89600.4848
3.02849.0911100002.88590.4861
3.02249.3411400002.88190.4867
3.0199.5911700002.87310.4878
3.00949.8312000002.86870.4885
3.006510.0812300002.86350.4893
2.998310.3212600002.85610.4900
2.983410.5712900002.85240.4907
2.987310.8113200002.84840.4911
2.97811.0613500002.84140.4924
2.970911.3113800002.83750.4927
2.969511.5514100002.83530.4932
2.960711.814400002.82900.4941
2.963612.0414700002.82670.4944
2.958412.2915000002.82470.4946
2.954612.5415300002.81960.4951
2.954412.7815600002.81460.4959
2.948613.0315900002.81320.4964
2.941313.2716200002.80990.4967
2.938113.5216500002.80810.4968
2.938913.7616800002.80570.4973
2.937414.0117100002.80280.4977
2.934114.2617400002.80000.4978
2.927514.517700002.79780.4984
2.931914.7518000002.79470.4989
2.930414.9918300002.79200.4992

Framework versions

  • Transformers 4.30.2
  • Pytorch 1.14.0a0+410ce96
  • Datasets 2.13.0
  • 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
4b38e33

0 моделей

    Создать бенчмарк