/ Модель

Характеристики

Контекст
16 386 токенов
Параметры
29 млн
Архитектура
longformer · dense
Опубликована
12 июл 2023

ru-longformer-tiny-16384

Заполнение пропусковТекст → текст7 профессий

Компактная русскоязычная Longformer с контекстом до 16 386 токенов для заполнения пропусков и получения текстовых эмбеддингов.

514скачиваний за 30 дней23лайкавеса обновлены29 дек 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

kazzand/ru-longformer-tiny-16384 — компактная русскоязычная модель Longformer на 29 млн параметров с архитектурой LongformerForMaskedLM. Она инициализирована весами cointegrated/rubert-tiny2, адаптирована для контекста до 16 386 токенов и дообучена на корпусе русских книг, новостей, Википедии и материалов Habr. Разработчик указывает, что модель также понимает английский благодаря исходной модели.

Основная задача по метаданным — заполнение пропусков в тексте (fill-mask). Модель можно дообучать для прикладных задач; в README также описано получение текстовых эмбеддингов. Репозиторий содержит веса PyTorch. Лицензия в предоставленных данных не указана.

Сценарии применения

  • заполнение пропущенных слов в русском тексте
  • получение эмбеддингов длинных русскоязычных документов
  • дообучение для задач обработки русского текста
  • анализ длинных текстов на русском языке

Ограничения

Модель компактная и может уступать более крупным моделям по качеству; для прикладных задач, отличных от заполнения пропусков, может потребоваться дообучение. Указанная возможность понимать английский унаследована от базовой модели, но отдельные оценки качества не приведены.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

This is a tiny Longformer model designed for Russian language. It was initialized from cointegrated/rubert-tiny2 weights and has been modified to support a context length of up to 16384 tokens. We fine-tuned it on a dataset of Russian books, news, wiki and habr, however it still undrestands English, thanks to the source model. For a detailed information check out our post on Habr.

Model attributes:

  • 12 attention heads
  • 3 hidden layers
  • 16384 tokens length of context

The model can be used as-is to produce text embeddings or it can be further fine-tuned for a specific downstream task.

Text embeddings can be produced as follows:

# pip install transformers sentencepiece
import torch
from transformers import LongformerModel, LongformerTokenizerFast

model = LongformerModel.from_pretrained('kazzand/ru-longformer-tiny-16384')
tokenizer = LongformerTokenizerFast.from_pretrained('kazzand/ru-longformer-tiny-16384')

def get_cls_embedding(text, model, tokenizer, device='cuda'):
    model.to(device)
    batch = tokenizer(text, return_tensors='pt')

    #set global attention for cls token
    global_attention_mask = [
            [1 if token_id == tokenizer.cls_token_id else 0 for token_id in input_ids]
            for input_ids in batch["input_ids"]
        ]

    #add global attention mask to batch
    batch["global_attention_mask"] = torch.tensor(global_attention_mask)

    with torch.no_grad():
        output = model(**batch.to(device))
    return output.last_hidden_state[:,0,:]


P.S. Thanks for moral and technical support AbstractDL

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
LongformerForMaskedLM
Ревизия весов
b3e75a4

0 моделей