Характеристики

Контекст: 512 токенов
Архитектура: distilbert · dense
Опубликована: 28 апр 2022

Ссылки

Hugging Face

distilbert-base-uncased-finetuned-imdb-accelerate

icity

Заполнение пропусковТекст → текст3 профессии

Модель DistilBERT для предсказания пропущенных токенов в тексте по контексту.

105скачиваний за 30 дней0лайковвеса обновлены18 мая 2022

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

icity/distilbert-base-uncased-finetuned-imdb-accelerate — модель на базе DistilBERT, опубликованная пользователем icity на Hugging Face. Она предназначена для задачи fill-mask: предсказания наиболее вероятных токенов вместо специального маркера [MASK] с учётом окружающего контекста. Модель использует Transformers и PyTorch, а её заявленная длина контекста составляет 512 токенов.

Модель подходит для контекстного восстановления пропущенных слов или токенов и экспериментов с masked language modeling. В карточке модели отсутствует подробное описание обучения, назначение за пределами fill-mask, информация о лицензии и дополнительные сведения о языках, поэтому применять её в критически важных сценариях следует с осторожностью.

Сценарии применения

восстановление пропущенных слов в предложениях
контекстное завершение фрагментов текста
эксперименты с masked language modeling
генерация кандидатов для замены токена [MASK]

Ограничения

В карточке модели нет подробного описания обучения, языковой поддержки и лицензии, поэтому качество и применимость вне задачи fill-mask не установлены.

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.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Автор не опубликовал карточку модели.

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: DistilBertForMaskedLM
Ревизия весов: 0409ac9