/ Модель

Характеристики

Контекст
1 024 токена
Параметры
457 млн
Архитектура
mbart · dense
Базовая модель
nep-spell-mbart-epoch1
Опубликована
5 фев 2024

nep-spell-mbart-epoch2

Языковая модель

Дообученная mBART-модель для исправления орфографии в непальском тексте.

8скачиваний за 30 дней0лайковвеса обновлены6 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

houdini001/nep-spell-mbart-epoch2 — дообученная модель семейства mBART с архитектурой MBartForConditionalGeneration и примерно 457,4 млн параметров. Она основана на houdini001/nep-spell-mbart-epoch1; карточка указывает, что модель обучалась ещё один этап, но не раскрывает датасет и результаты оценки.

Судя по описанию базовой модели, назначение модели — исправление орфографии в непальском тексте. Она принимает текст и генерирует исправленный текст; контекст составляет 1024 токена. Модель доступна в формате safetensors. Метаданные не содержат сведений о лицензии, поэтому условия использования определить нельзя.

Сценарии применения

  • исправление орфографических ошибок в непальском тексте
  • автоматическая корректура непальских документов
  • постобработка непальского текста после ввода или распознавания

Ограничения

В README нет сведений о качестве, оценке и обучающих данных; назначение исправления орфографии следует из описания базовой модели. Лицензия не приведена в доступных данных.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

nep-spell-mbart-epoch2

This model is a fine-tuned version of houdini001/nep-spell-mbart-epoch1 on the None dataset.

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: 5e-05
  • train_batch_size: 4
  • eval_batch_size: 4
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 1

Training results

Framework versions

  • Transformers 4.37.0
  • Pytorch 2.1.2
  • Datasets 2.1.0
  • Tokenizers 0.15.1

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

У модели не указана задача.

Класс архитектуры
MBartForConditionalGeneration
Ревизия весов
2c6e4d6

0 моделей