/ Модель

Характеристики

Контекст
514 токенов
Параметры
152 млн
Лицензия
MIT
Архитектура
roberta · dense
Опубликована
13 окт 2023

sle-base

Классификация текстаТекст → label3 профессии

Модель на базе RoBERTa оценивает простоту английских предложений по метрике SLE и помогает измерять эффект упрощения текста.

454скачиваний за 30 дней0лайковвеса обновлены7 янв 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

liamcripwell/sle-base — модель Роберта Крипуэлла для оценки метрики SLE, описанной в соответствующей статье. Она основана на roberta-base с добавленной регрессионной головой и предназначена для классификации текста с выдачей числовой оценки простоты предложения.

Модель можно использовать для получения оценки простоты отдельного предложения, а также для вычисления разницы SLE между исходным и упрощённым предложениями при оценке систем упрощения текста. Архитектура — RoBERTa с 151,9 млн параметров; максимальная длина контекста составляет 514 токенов. Поддерживается английский язык. Веса доступны в формате PyTorch, лицензия — MIT.

Оценки SLE служат метрикой и не заменяют экспертную проверку качества упрощения. Описание не сообщает о проверке на других языках или о надёжности оценок за пределами задачи, описанной в статье.

Сценарии применения

  • оценка простоты отдельного предложения
  • сравнение сложности исходного и упрощённого предложения
  • оценка систем автоматического упрощения текста

Ограничения

Модель рассчитана на английский язык и контекст до 514 токенов. Оценка SLE является метрикой простоты и сама по себе не подтверждает сохранение смысла или качество упрощения.

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

sle-base

This is a model for the SLE metric described in the original paper. It is based on roberta-base with an added regression head.

Install the python library.

SLE scores can be calculated within python as shown in the example below.

For a raw estimation of a sentence's simplicity, use 'sle', but to evaluate sentence simplification systems we recommend providing the input sentences and using 'sle_delta' ($\Delta \text{SLE}$). See the paper for further details.

from sle.scorer import SLEScorer

scorer = SLEScorer("liamcripwell/sle-base")

texts = [
  "Here is a simple sentence.",
  "Here is an additional sentence that makes use of more complex terminology."
]

# raw simplicity estimates
results = scorer.score(texts)
print(results) # {'sle': [3.9842946529388428, 0.5840105414390564]}

# delta from input sentences
results = scorer.score([texts[0]], inputs=[texts[1]])
print(results) # {'sle': [3.9842941761016846], 'sle_delta': [3.4002838730812073]}

Как запустить

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

GPU в ailist

Универсальный рантайм · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
RobertaForSequenceClassification
Ревизия весов
c900003

0 моделей