Japanese RoBERTa base size trained by wikipedia dump 20220905 using fairseq.
Tokenizer is japanese_roberta_tokenizer.
Характеристики
- Контекст
- 514 токенов
- Параметры
- 132 млн
- Лицензия
- cc-by-sa-3.0
- Архитектура
- roberta · dense
- Опубликована
- 25 сен 2022
Ссылки
japanese-roberta-base-20220905
Японская RoBERTa базового размера для предсказания замаскированных токенов в тексте.
151скачиваний за 30 дней0лайковвеса обновлены25 сен 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
Японская модель RoBERTa базового размера, обученная на дампе Википедии от 2022-09-05. Разработчик — k141303; обучение выполнено с помощью fairseq, для токенизации используется japanese_roberta_tokenizer. Модель содержит 131,7 млн параметров и рассчитана на последовательности длиной до 514 токенов.
Модель предназначена для задачи заполнения пропусков в японском тексте: она предсказывает замаскированные токены по окружающему контексту. Её можно использовать для анализа контекста и языковых экспериментов с японским текстом. Доступна в формате PyTorch по лицензии CC BY-SA 3.0.
Сценарии применения
- заполнение пропусков в японских предложениях
- подбор пропущенного слова по контексту
- оценка языковых гипотез на японском тексте
Ограничения
Модель предназначена для японского текста и предсказания замаскированных токенов; README не сообщает о поддержке диалогов или генерации текста произвольной длины.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель
I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · fill-mask
Подбираем GPU…
- Класс архитектуры
- RobertaForMaskedLM
- Ревизия весов
- 15f70d5