/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
454 млн
Лицензия
Apache 2.0
Архитектура
big_bird · dense
Опубликована
2 мар 2022

bigbird-roberta-large

Заполнение пропусковТекст → текст3 профессии

BigBird large — англоязычная модель Google для заполнения пропусков и извлечения признаков из длинных текстов до 4096 токенов.

7 640скачиваний за 30 дней31лайквеса обновлены29 фев 2024

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

BigBird large — предварительно обученная языковая модель Google на основе трансформера с разреженным блочным вниманием. Она содержит 454,2 млн параметров и обучена на английском языке с задачей masked language modeling на корпусах книг, новостей, историй и Википедии. Модель доступна в форматах PyTorch и Flax по лицензии Apache-2.0.

Модель предназначена для заполнения пропусков в тексте и получения текстовых признаков. Благодаря блочному разреженному вниманию она обрабатывает последовательности длиной до 4096 токенов с меньшими вычислительными затратами, чем стандартное полное внимание; это делает её подходящей для текстов и документов увеличенной длины. В карточке отмечены результаты на задачах суммаризации и ответов на вопросы с длинным контекстом, но основной тег модели — fill-mask.

Модель рассчитана на английский текст. Она является базовой предварительно обученной моделью, а не специализированным решением для конкретной отрасли; качество на языках, отличных от английского, не подтверждено. Лицензия Apache-2.0 допускает использование на её условиях.

Сценарии применения

  • заполнение пропущенных слов в английском тексте
  • получение контекстных признаков из длинных документов
  • анализ длинных текстов с использованием masked language modeling

Ограничения

Модель рассчитана на английский язык; её результаты на других языках не подтверждены. Карточка упоминает суммаризацию и ответы на вопросы с длинным контекстом как области применения, но основная задача модели — fill-mask.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

BigBird large model

BigBird, is a sparse-attention based transformer which extends Transformer based models, such as BERT to much longer sequences. Moreover, BigBird comes along with a theoretical understanding of the capabilities of a complete transformer that the sparse model can handle.

It is a pretrained model on English language using a masked language modeling (MLM) objective. It was introduced in this paper and first released in this repository.

Disclaimer: The team releasing BigBird did not write a model card for this model so this model card has been written by the Hugging Face team.

Model description

BigBird relies on block sparse attention instead of normal attention (i.e. BERT's attention) and can handle sequences up to a length of 4096 at a much lower compute cost compared to BERT. It has achieved SOTA on various tasks involving very long sequences such as long documents summarization, question-answering with long contexts.

How to use

Here is how to use this model to get the features of a given text in PyTorch:

from transformers import BigBirdModel

# by default its in `block_sparse` mode with num_random_blocks=3, block_size=64
model = BigBirdModel.from_pretrained("google/bigbird-roberta-large")

# you can change `attention_type` to full attention like this:
model = BigBirdModel.from_pretrained("google/bigbird-roberta-large", attention_type="original_full")

# you can change `block_size` & `num_random_blocks` like this:
model = BigBirdModel.from_pretrained("google/bigbird-roberta-large", block_size=16, num_random_blocks=2)

text = "Replace me by any text you'd like."
encoded_input = tokenizer(text, return_tensors='pt')
output = model(**encoded_input)

Training Data

This model is pre-trained on four publicly available datasets: Books, CC-News, Stories and Wikipedia. It used same sentencepiece vocabulary as RoBERTa (which is in turn borrowed from GPT2).

Training Procedure

Document longer than 4096 were split into multiple documents and documents that were much smaller than 4096 were joined. Following the original BERT training, 15% of tokens were masked and model is trained to predict the mask.

Model is warm started from RoBERTa’s checkpoint.

BibTeX entry and citation info

@misc{zaheer2021big,
      title={Big Bird: Transformers for Longer Sequences}, 
      author={Manzil Zaheer and Guru Guruganesh and Avinava Dubey and Joshua Ainslie and Chris Alberti and Santiago Ontanon and Philip Pham and Anirudh Ravula and Qifan Wang and Li Yang and Amr Ahmed},
      year={2021},
      eprint={2007.14062},
      archivePrefix={arXiv},
      primaryClass={cs.LG}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры
BigBirdForMaskedLM
Ревизия весов
27d7740

0 моделей