Характеристики

Контекст: 514 токенов
Параметры: 138 млн
Архитектура: roberta · dense
Опубликована: 27 дек 2022

Ссылки

Hugging Face

legal-french-roberta-base

joelniklaus

Заполнение пропусковТекст → текст3 профессии

RoBERTa-модель для предсказания пропущенных токенов во французском тексте.

122скачиваний за 30 дней0лайковвеса обновлены14 янв 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

joelniklaus/legal-french-roberta-base — языковая модель на архитектуре RoBERTa, обученная с нуля для заполнения пропусков в тексте. Она содержит 137,8 млн параметров, принимает последовательности длиной до 514 токенов и распространяется в формате PyTorch. Название указывает на ориентацию на французские юридические тексты, однако README не описывает обучающие данные или прикладную специализацию; по доступным сведениям модель следует считать RoBERTa для задачи fill-mask.

Модель подходит для подстановки вероятных слов вместо маскированных токенов во французском тексте, в том числе как компонент экспериментов с юридическими документами. В README приведено значение loss 0,4293 на оценочной выборке, но набор данных и методика оценки не раскрыты, поэтому результат не позволяет судить о качестве в реальных юридических сценариях. Лицензия в предоставленных данных не указана.

Сценарии применения

подстановка пропущенных слов во французских текстах
восстановление замаскированных токенов в юридических документах
эксперименты с языковым моделированием французских текстов

Ограничения

README не раскрывает обучающие данные, методику оценки и ограничения применения; значение loss приведено без описания оценочной выборки. Условия лицензии в доступных данных отсутствуют.

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 IV.8Отраслевые задачиГосударственное управление, правосудие и чрезвычайные ситуацииAI помогает улучшать государственные услуги, управление ресурсами, правосудие и реагирование на чрезвычайные ситуации.47 задач2 517моделей I.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

legal-french-roberta-base

This model was trained from scratch on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.4293

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: 0.0001
train_batch_size: 16
eval_batch_size: 16
seed: 42
distributed_type: tpu
num_devices: 8
gradient_accumulation_steps: 4
total_train_batch_size: 512
total_eval_batch_size: 128
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: cosine
lr_scheduler_warmup_ratio: 0.05
training_steps: 1000000

Training results

Training Loss	Epoch	Step	Validation Loss
0.8649	0.05	50000	0.7819
0.7852	0.1	100000	0.6027
0.5898	1.02	150000	0.5842
0.6136	1.07	200000	0.5343
0.6135	1.12	250000	0.5461
0.5804	2.03	300000	0.5295
0.5602	2.08	350000	0.5120
0.5446	2.13	400000	0.4904
0.5414	3.05	450000	0.4853
0.5765	3.1	500000	0.4788
0.6903	4.01	550000	0.4597
0.6149	4.06	600000	0.4556
0.5649	4.11	650000	0.4543
0.6449	5.03	700000	0.4489
0.6425	5.08	750000	0.4386
0.6263	5.13	800000	0.4344
0.6035	6.05	850000	0.4317
0.607	6.1	900000	0.4332
0.5899	7.01	950000	0.4321
0.5751	7.06	1000000	0.4293

Framework versions

Transformers 4.20.1
Pytorch 1.12.0+cu102
Datasets 2.8.0
Tokenizers 0.12.1

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: RobertaForMaskedLM
Ревизия весов: 5b10a21