/ Модель

Характеристики

Контекст
512 токенов
Параметры
188 млн
Лицензия
Apache 2.0
Архитектура
deberta-v2 · dense
Библиотека
transformers
Опубликована
23 апр 2024

deberta-v3-base-japanese

Языковая модель5 профессий

Базовая японская модель DeBERTa V3 для masked language modeling и дообучения на задачах понимания текста.

4 538скачиваний за 30 дней19лайковвеса обновлены29 окт 2024

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

ku-nlp/deberta-v3-base-japanese — базовая модель семейства DeBERTa V3, разработанная Nobuhiro Ueda и предварительно обученная на корпусе LLM-jp corpus v1.0.1. Она подходит для задач понимания японского текста и masked language modeling, а также может служить основой для дообучения под прикладные задачи NLU.

Модель имеет плотную архитектуру DeBERTa-v2, содержит 187,7 млн параметров и использует контекст до 512 токенов. Обучение проводилось на японских и английских текстах, а также на коде; токенизатор основан на Unigram с byte fallback и словаре, преобразованном из llm-jp-tokenizer v2.2. Предварительная морфологическая сегментация токенизатору не требуется.

Модель распространяется по лицензии Apache-2.0. README описывает применение для masked language modeling и приводит результаты дообучения на японских задачах JGLUE; модель сама по себе не является специализированной генеративной чат-моделью.

Сценарии применения

  • предсказание замаскированных токенов в японском тексте
  • дообучение классификатора японских отзывов
  • дообучение модели для определения логического следования в японском тексте
  • дообучение модели для поиска ответов в японских текстах
  • оценка семантического сходства японских предложений

Ограничения

Контекст ограничен 512 токенами. Для прикладных задач NLU модель нужно дообучать; README не описывает её как готовую чат-модель.

Для каких профессий подходит5

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

Model Card for Japanese DeBERTa V3 base

Model description

This is a Japanese DeBERTa V3 base model pre-trained on LLM-jp corpus v1.0.

How to use

You can use this model for masked language modeling as follows:

from transformers import AutoTokenizer, AutoModelForMaskedLM
tokenizer = AutoTokenizer.from_pretrained('ku-nlp/deberta-v3-base-japanese')
model = AutoModelForMaskedLM.from_pretrained('ku-nlp/deberta-v3-base-japanese')

sentences = [
    "京都大学で自然言語処理を研究する。",
    "I research NLP at Kyoto University.",
    'int main() { printf("Hello, world!"); return 0; }',
]
encodings = tokenizer(sentences, return_tensors='pt')
...

You can also fine-tune this model on downstream tasks.

Tokenization

The tokenizer of this model is based on huggingface/tokenizers Unigram byte-fallback model. The vocabulary entries were converted from llm-jp-tokenizer v2.2 (100k). Please refer to README.md of llm-jp/llm-ja-tokenizer for details on the vocabulary construction procedure.

Note that, unlike ku-nlp/deberta-v2-base-japanese, pre-segmentation by a morphological analyzer (e.g., Juman++) is no longer required for this model.

Training data

We used the LLM-jp corpus v1.0.1 for pre-training. The corpus consists of the following corpora:

  • Japanese
    • Wikipedia (1B tokens)
    • mC4 (129B tokens)
  • English
    • Wikipedia (4B tokens)
    • The Pile (126B tokens)
  • Code
    • The Stack (10B tokens)

We shuffled the corpora, which has 270B tokens in total, and trained the model for 2 epochs. Thus, the total number of tokens fed to the model was 540B.

Training procedure

We slightly modified the official implementation of DeBERTa V3 and followed the official training procedure. The modified code is available at nobu-g/DeBERTa.

The following hyperparameters were used during pre-training:

  • learning_rate: 1e-4
  • per_device_train_batch_size: 800
  • num_devices: 8
  • gradient_accumulation_steps: 3
  • total_train_batch_size: 2400
  • max_seq_length: 512
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-06
  • lr_scheduler_type: linear schedule with warmup
  • training_steps: 475,000
  • warmup_steps: 10,000

Fine-tuning on NLU tasks

We fine-tuned the following models and evaluated them on the dev set of JGLUE. We tuned the learning rate and training epochs for each model and task following the JGLUE paper.

ModelMARC-ja/accJCoLA/accJSTS/pearsonJSTS/spearmanJNLI/accJSQuAD/EMJSQuAD/F1JComQA/acc
Waseda RoBERTa base0.9650.8670.9130.8760.9050.8530.9160.853
Waseda RoBERTa large (seq512)0.9690.8490.9250.8900.9280.9100.9550.900
LUKE Japanese base*0.965-0.9160.8770.912--0.842
LUKE Japanese large*0.965-0.9320.9020.927--0.893
DeBERTaV2 base0.9700.8790.9220.8860.9220.8990.9510.873
DeBERTaV2 large0.9680.8820.9250.8920.9240.9120.9590.890
DeBERTaV3 base0.9600.8780.9270.8910.9270.8960.9470.875

*The scores of LUKE are from the official repository.

License

Apache License, Version 2.0

Author

Nobuhiro Ueda (ueda at nlp.ist.i.kyoto-u.ac.jp)

Acknowledgments

This work was supported by Joint Usage/Research Center for Interdisciplinary Large-scale Information Infrastructures (JHPCN) through General Collaboration Project no. jh231006, "Developing a Platform for Constructing and Sharing of Large-Scale Japanese Language Models". For training models, we used the mdx: a platform for the data-driven future.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

У модели не указана задача.

Ревизия весов
0c320ba

0 моделей