/ Модель

Характеристики

Контекст
514 токенов
Параметры
152 млн
Лицензия
MIT
Архитектура
roberta · dense
Базовая модель
roberta-base
Опубликована
20 апр 2024

tapt_helpfulness_base_pretraining_model_full_train

Заполнение пропусковТекст → текст3 профессии

Дообученная RoBERTa для предсказания пропущенных токенов в тексте.

13скачиваний за 30 дней0лайковвеса обновлены22 апр 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

ltuzova/tapt_helpfulness_base_pretraining_model_full_train — дообученная модель на базе FacebookAI/roberta-base для задачи заполнения пропусков в тексте. Она построена на архитектуре RoBERTa и содержит 151,8 млн параметров; принимает текст и предсказывает замаскированные токены. Модель опубликована в формате safetensors под лицензией MIT.

В карточке указана оценка Loss 1,2718 на тестовом наборе, однако сведения о наборе данных, назначении дообучения и ограничениях не приведены. Поэтому модель можно рассматривать для экспериментов с языковым моделированием и восстановления пропущенных слов, но качество в конкретной прикладной задаче по имеющимся данным оценить нельзя.

Сценарии применения

  • заполнение замаскированных слов в предложении
  • восстановление пропущенных токенов в тексте
  • эксперименты с masked language modeling

Ограничения

Данные о языке, обучающем наборе и целевом назначении дообучения отсутствуют; указан только результат Loss 1,2718 без описания протокола оценки. Применимость и качество для конкретных текстов не подтверждены.

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

tapt_helpfulness_base_pretraining_model_full_train

This model is a fine-tuned version of roberta-base on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 1.2718

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 0.0001
  • train_batch_size: 21
  • eval_batch_size: 21
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 42
  • optimizer: Adam with betas=(0.9,0.98) and epsilon=1e-06
  • lr_scheduler_type: linear
  • num_epochs: 20

Training results

Training LossEpochStepValidation Loss
1.68621.010681.5262
1.58642.021371.4706
1.54233.032051.4346
1.50584.042741.4223
1.47925.053421.4100
1.45496.064111.3948
1.4357.074791.3851
1.41488.085481.3749
1.39689.096161.3567
1.380610.0106851.3548
1.366211.0117531.3347
1.349512.0128221.3369
1.338213.0138901.3232
1.323814.0149591.3231
1.313815.0160271.3157
1.298316.0170961.3012
1.291617.0181641.2871
1.28218.0192331.2919
1.273819.0203011.2825
1.26719.99213601.2842

Framework versions

  • Transformers 4.36.2
  • Pytorch 2.2.1+cu121
  • Datasets 2.19.0
  • Tokenizers 0.15.2

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
f2bc1f8

0 моделей