Характеристики

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

Ссылки

Hugging Face

model_v1_complete_training_wt_init_48_small_freeze_new

gokuls

Заполнение пропусковТекст → текст3 профессии

Дообученная модель DistilBERT для предсказания скрытых токенов в текстах с контекстом до 512 токенов.

14скачиваний 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

Модель gokuls/model_v1_complete_training_wt_init_48_small_freeze_new — дообученная модель класса DistilBertForMaskedLM семейства HybridBERT для задачи fill-mask: она предсказывает скрытые токены в тексте. Обучение проводилось на датасете gokuls/wiki_book_corpus_complete_processed_bert_dataset; в README указаны loss 2,3687 и accuracy 0,5561 на оценочной выборке.

Модель подходит для восстановления пропущенных слов и анализа вариантов заполнения масок в тексте. Контекст составляет 512 токенов. README не приводит описание целевых сценариев и ограничений, поэтому качество для конкретных текстов следует оценивать отдельно. В доступных метаданных сведения о лицензии отсутствуют.

Сценарии применения

восстановление пропущенного слова в предложении
подбор вариантов для заполнения маски в тексте
оценка предсказаний скрытых токенов на корпусах Википедии и книг

Ограничения

В README приведены метрики только на оценочной выборке: loss 2,3687 и accuracy 0,5561; результаты для других данных не описаны. Лицензия в доступных сведениях не указана.

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_small_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: 2.3687
Accuracy: 0.5561

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: 120
eval_batch_size: 120
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: 7b99489