/ Модель

Характеристики

Контекст
514 токенов
Параметры
138 млн
Архитектура
roberta · dense
Опубликована
6 фев 2023

legal-slovenian-roberta-base

Заполнение пропусковТекст → текст3 профессии

RoBERTa для словенского языка, предсказывающая пропущенные в тексте токены.

172скачиваний за 30 дней0лайковвеса обновлены13 фев 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

legal-slovenian-roberta-base — модель семейства RoBERTa, обученная с нуля для предсказания пропущенных токенов в тексте. Она содержит 137,8 млн параметров и поддерживает контекст длиной до 514 токенов. Модель предназначена для задач заполнения масок в текстах на словенском языке; README сообщает значение loss 0,5113 на наборе оценки, но не описывает сам набор данных.

Модель опубликована Joel Niklaus и доступна в формате PyTorch. Лицензия и сведения о специальной юридической настройке в карточке не приведены, поэтому её пригодность для конкретных юридических сценариев по имеющимся данным оценить нельзя.

Сценарии применения

  • подстановка пропущенного слова в словенском предложении
  • оценка вероятных продолжений словенского текста
  • проверка языковых гипотез с маскированными токенами

Ограничения

README не раскрывает обучающие данные и назначение юридической специализации; приведён только loss 0,5113 на неописанном наборе оценки. Лицензия в доступных сведениях не указана.

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

legal-slovenian-roberta-base

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

  • Loss: 0.5113

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: 200000

Training results

Training LossEpochStepValidation Loss
0.798812.0500000.6311
0.762524.011000000.5487
0.760636.011500000.5137
0.76948.012000000.5113

Framework versions

  • Transformers 4.20.1
  • Pytorch 1.12.0+cu102
  • Datasets 2.9.0
  • Tokenizers 0.12.0

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
1254190

0 моделей