/ Модель

Характеристики

Контекст
4 099 токенов
Параметры
152 млн
Лицензия
CC BY-SA 4.0
Архитектура
longformer · dense
Опубликована
10 окт 2022

longformer-base-4096

Заполнение пропусковТекст → текст7 профессий

Longformer на основе RoBERTa-base для заполнения пропусков и дообучения на задачах с длинными английскими документами.

26скачиваний за 30 дней0лайковвеса обновлены12 окт 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

kiddothe2b/longformer-base-4096 — языковая модель Longformer для работы с длинными документами. Она основана на RoBERTa-base и была дополнительно предобучена авторами работы об иерархических трансформерах для классификации длинных документов. Модель содержит 151,8 млн параметров и обрабатывает последовательности длиной до 4096 токенов; сочетает локальное скользящее внимание с настраиваемым глобальным вниманием.

Модель выполняет заполнение пропусков в тексте (masked language modeling) и предназначена прежде всего для дообучения под задачи, использующие весь документ: классификацию документов, классификацию последовательностей предложений и ответы на вопросы. Поддерживаемый язык — английский. Обучение продолжалось 50 тысяч шагов на длинных последовательностях из датасета C4. Предсказания могут быть смещёнными из-за неотфильтрованных данных из интернета. Лицензия — CC BY-SA 4.0.

Сценарии применения

  • заполнение пропусков в длинных текстах
  • дообучение классификатора длинных документов
  • классификация последовательностей предложений
  • дообучение модели для ответов на вопросы по длинному документу

Ограничения

Предсказания могут быть смещёнными из-за неотфильтрованных интернет-данных; для прикладных задач модель рассчитана на дообучение. Глобальное внимание нужно настраивать под конкретную задачу.

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

Longformer / longformer-base-4096

Model description

Longformer is a transformer model for long documents. This version of Longformer presented in An Exploration of Hierarchical Attention Transformers for Efficient Long Document Classification (Chalkidis et al., 2022).

The model has been warm-started re-using the weights of RoBERTa (Liu et al., 2019), and continued pre-trained for MLM in long sequences following the paradigm of original Longformer released by Beltagy et al. (2020). It supports sequences of length up to 4,096.

Longformer uses a combination of a sliding window (local) attention and global attention. Global attention is user-configured based on the task to allow the model to learn task-specific representations.

Intended uses & limitations

You can use the raw model for masked language modeling, but it's mostly intended to be fine-tuned on a downstream task. See the model hub to look for fine-tuned versions on a task that interests you.

Note that this model is primarily aimed at being fine-tuned on tasks that use the whole document to make decisions, such as document classification, sequential sentence classification or question answering.

How to use

You can use this model directly with a pipeline for masked language modeling:

from transformers import pipeline
mlm_model = pipeline('fill-mask', model='kiddothe2b/longformer-base-4096', trust_remote_code=True)
mlm_model("Hello I'm a <mask> model.")

You can also fine-tune it for SequenceClassification, SequentialSentenceClassification, and MultipleChoice down-stream tasks:

from transformers import AutoTokenizer, AutoModelforSequenceClassification
tokenizer = AutoTokenizer.from_pretrained("kiddothe2b/longformer-base-4096", trust_remote_code=True)
doc_classifier = AutoModelforSequenceClassification("kiddothe2b/longformer-base-4096", trust_remote_code=True)

Limitations and bias

The training data used for this model contains a lot of unfiltered content from the internet, which is far from neutral. Therefore, the model can have biased predictions.

Training procedure

Training and evaluation data

The model has been warm-started from roberta-base checkpoint and has been continued pre-trained for additional 50k steps in long sequences (> 1024 subwords) of C4 (Raffel et al., 2020).

Training hyperparameters

TThe following hyperparameters were used during training:

  • learning_rate: 0.0001
  • train_batch_size: 16
  • eval_batch_size: 16
  • seed: 42
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 128
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_ratio: 0.1
  • training_steps: 50000

Training results

Training LossEpochStepValidation LossAccuracy
1.70670.2100001.59230.6714
1.65320.4200001.54940.6784
1.6220.6300001.52080.6830
1.5880.8400001.48800.6876
1.56821.0500001.46800.6908

Framework versions

  • Transformers 4.19.0.dev0
  • Pytorch 1.11.0
  • Datasets 2.0.0
  • Tokenizers 0.11.6

Citing

If you use HAT in your research, please cite: An Exploration of Hierarchical Attention Transformers for Efficient Long Document Classification. Ilias Chalkidis, Xiang Dai, Manos Fergadiotis, Prodromos Malakasiotis, and Desmond Elliott. 2022. arXiv:2210.05529 (Preprint).

@misc{chalkidis-etal-2022-hat,
  url = {https://arxiv.org/abs/2210.05529},
  author = {Chalkidis, Ilias and Dai, Xiang and Fergadiotis, Manos and Malakasiotis, Prodromos and Elliott, Desmond},
  title = {An Exploration of Hierarchical Attention Transformers for Efficient Long Document Classification},
  publisher = {arXiv},
  year = {2022},
}

Also cite the original work: Longformer: The Long-Document Transformer.

@article{Beltagy2020Longformer,
  title={Longformer: The Long-Document Transformer},
  author={Iz Beltagy and Matthew E. Peters and Arman Cohan},
  journal={arXiv:2004.05150},
  year={2020},
}

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
0746f41

0 моделей