Характеристики

Контекст: 512 токенов
Архитектура: hybridbert · dense
Опубликована: 17 ноя 2023

Ссылки

Hugging Face

model_v1_complete_training_wt_init_48_mini_freeze_new

gokuls

Заполнение пропусковТекст → текст3 профессии

Дообученная HybridBERT-модель предсказывает замаскированные слова в тексте с контекстом до 512 токенов.

13скачиваний за 30 дней0лайковвеса обновлены19 ноя 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

Это дообученная модель семейства HybridBERT для заполнения пропусков в тексте: она предсказывает замаскированные токены по окружающему контексту. Модель основана на архитектуре DistilBertForMaskedLM и обучалась на датасете gokuls/wiki_book_corpus_complete_processed_bert_dataset; контекст ограничен 512 токенами. В README приведены результаты оценки: loss 2.9712 и accuracy 0.4718.

Модель подходит для восстановления скрытых слов и анализа контекстных языковых представлений. README не описывает специальные сценарии применения или ограничения качества; указанная точность следует рассматривать только в контексте использованной оценки. Файлы представлены в формате safetensors. Лицензия в предоставленных данных не указана.

Сценарии применения

восстановление замаскированных слов в предложении
заполнение пропусков в текстовых фрагментах
оценка контекстных языковых представлений

Ограничения

Оценочные значения приведены без описания набора и методики оценки, поэтому их нельзя напрямую переносить на другие данные. В README не раскрыты назначение, ограничения качества и лицензия модели.

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

model_v1_complete_training_wt_init_48_mini_freeze_new

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: 2.9712
Accuracy: 0.4718

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: 124
eval_batch_size: 124
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 4.35.2
Pytorch 1.14.0a0+410ce96
Datasets 2.15.0
Tokenizers 0.15.0

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: 2428b9c