/ Модель

Характеристики

Контекст
514 токенов
Параметры
138 млн
Архитектура
roberta · dense
Опубликована
2 мар 2022

roberta-base

Заполнение пропусковТекст → текст3 профессии

Предобученная корейская RoBERTa-модель для восстановления пропущенных токенов и использования в задачах понимания корейского текста.

32 351скачиваний за 30 дней53лайкавеса обновлены12 июн 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

KLUE RoBERTa base — предобученная модель семейства RoBERTa для корейского языка, представленная проектом KLUE. Она предназначена для подстановки пропущенных токенов в корейском тексте и может использоваться как базовая модель для задач понимания языка. Модель содержит 137,8 млн параметров, принимает последовательности длиной до 514 токенов и доступна в форматах PyTorch и safetensors.

Для работы с ней в Transformers следует использовать BertTokenizer; AutoTokenizer автоматически загружает этот токенизатор. Карточка не сообщает конкретные ограничения качества или условия лицензии, поэтому их нельзя уточнить по имеющимся сведениям.

Сценарии применения

  • восстановление пропущенных слов в корейском тексте
  • предсказание замаскированных токенов в предложениях на корейском
  • инициализация модели для дообучения на задачах понимания корейского языка

Ограничения

Для токенизации рекомендуется BertTokenizer; AutoTokenizer выбирает его автоматически. Сведения о лицензии и конкретных ограничениях качества в использованных материалах отсутствуют.

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

KLUE RoBERTa base

Pretrained RoBERTa Model on Korean Language. See Github and Paper for more details.

How to use

NOTE: Use BertTokenizer instead of RobertaTokenizer. (AutoTokenizer will load BertTokenizer)

from transformers import AutoModel, AutoTokenizer

model = AutoModel.from_pretrained("klue/roberta-base")
tokenizer = AutoTokenizer.from_pretrained("klue/roberta-base")

BibTeX entry and citation info

@misc{park2021klue,
      title={KLUE: Korean Language Understanding Evaluation},
      author={Sungjoon Park and Jihyung Moon and Sungdong Kim and Won Ik Cho and Jiyoon Han and Jangwon Park and Chisung Song and Junseong Kim and Yongsook Song and Taehwan Oh and Joohong Lee and Juhyun Oh and Sungwon Lyu and Younghoon Jeong and Inkwon Lee and Sangwoo Seo and Dongjun Lee and Hyunwoo Kim and Myeonghwa Lee and Seongbo Jang and Seungwon Do and Sunkyoung Kim and Kyungtae Lim and Jongwon Lee and Kyumin Park and Jamin Shin and Seonghyun Kim and Lucy Park and Alice Oh and Jungwoo Ha and Kyunghyun Cho},
      year={2021},
      eprint={2105.09680},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

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
02f94ba

0 моделей