/ Модель

Характеристики

Контекст
514 токенов
Параметры
95,2 млн
Лицензия
Apache 2.0
Архитектура
roberta · dense
Базовая модель
distilroberta-base
Опубликована
24 ноя 2023

distilroberta-rbm231k-ep20-op40

Заполнение пропусковТекст → текст3 профессии

Дообученная модель RoBERTa для предсказания пропущенных токенов в тексте.

13скачиваний за 30 дней0лайковвеса обновлены25 ноя 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

distilroberta-rbm231k-ep20-op40 — дообученная модель семейства RoBERTa, разработанная пользователем judy93536 на базе distilbert/distilroberta-base. Она предназначена для задачи fill-mask: предсказания пропущенного токена в тексте. Модель содержит 95,2 млн параметров, принимает текстовые последовательности с контекстом до 514 токенов и распространяется в формате safetensors по лицензии Apache-2.0.

В карточке приведён результат оценки Loss 1,1240 на тестовом наборе, но описание датасета и подробности оценки отсутствуют. Язык и предметная область обучения не указаны, поэтому качество для конкретных языков и сценариев по имеющимся данным определить нельзя.

Сценарии применения

  • восстановление пропущенного слова в предложении
  • подстановка вероятного токена в текстовый шаблон
  • оценка вариантов заполнения маски в контексте

Ограничения

Датасет, язык обучения и подробности оценки не описаны; приведённого значения Loss недостаточно, чтобы судить о качестве на конкретных данных.

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

distilroberta-rbm231k-ep20-op40

This model is a fine-tuned version of distilroberta-base on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 1.1240

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: 7.3e-05
  • train_batch_size: 64
  • eval_batch_size: 64
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_ratio: 0.19
  • num_epochs: 40
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation Loss
1.6961.0146441.5458
1.59192.0292881.4527
1.53453.0439321.4052
1.49214.0585761.3763
1.47985.0732201.3612
1.4646.0878641.3492
1.44987.01025081.3409
1.4488.01171521.3355
1.42629.01317961.3213
1.417510.01464401.3096
1.385111.01610841.2963
1.372812.01757281.2846
1.360113.01903721.2739
1.35114.02050161.2639
1.340615.02196601.2555
1.321416.02343041.2454
1.3117.02489481.2372
1.311718.02635921.2317
1.294719.02782361.2267
1.285820.02928801.2162
1.280421.03075241.2092
1.270822.03221681.2064
1.263523.03368121.1974
1.25324.03514561.1926
1.246325.03661001.1832
1.239926.03807441.1817
1.232827.03953881.1752
1.229228.04100321.1710
1.219729.04246761.1672
1.210130.04393201.1618
1.202931.04539641.1551
1.200732.04686081.1515
1.193233.04832521.1438
1.188434.04978961.1406
1.183535.05125401.1364
1.176236.05271841.1344
1.17437.05418281.1315
1.167538.05564721.1267
1.169939.05711161.1230
1.162940.05857601.1274

Framework versions

  • Transformers 4.35.2
  • Pytorch 2.1.0+cu118
  • Datasets 2.15.0
  • Tokenizers 0.15.0

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
8e91ad8

0 моделей