/ Модель

Характеристики

Контекст
512 токенов
Параметры
325 млн
Архитектура
bleurt · dense
Опубликована
19 янв 2023

BLEURT-20-D12

Классификация текстаТекст → label5 профессий

BLEURT-20-D12 — Transformer-модель для автоматической оценки качества переводов и других текстов.

7 320скачиваний за 30 дней1лайквеса обновлены19 янв 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

lucadiliello/BLEURT-20-D12 — модель на основе Transformer для оценки качества текстовых кандидатов с помощью BLEURT. Репозиторий содержит реализацию BleurtConfig, BleurtForSequenceClassification и BleurtTokenizer для PyTorch; модель насчитывает 324,5 млн параметров и рассчитана на контекст до 512 токенов.

Модель предназначена для автоматической оценки текстов, в частности качества переводов и других сгенерированных текстов. Она принимает текстовые данные и выдаёт оценку классификационной модели. В карточке указана лицензия.

Сценарии применения

  • оценка качества машинного перевода
  • сравнение вариантов перевода
  • оценка качества сгенерированных ответов
  • автоматическая метрика для проверки текстовых систем

Ограничения

Для интерпретации оценок и выбора порогов может потребоваться калибровка под конкретный набор данных и сценарий.

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

This model is based on a custom Transformer model that can be installed with:

pip install git+https://github.com/lucadiliello/bleurt-pytorch.git

Now load the model and make predictions with:

import torch
from bleurt_pytorch import BleurtConfig, BleurtForSequenceClassification, BleurtTokenizer

config = BleurtConfig.from_pretrained('lucadiliello/BLEURT-20-D12')
model = BleurtForSequenceClassification.from_pretrained('lucadiliello/BLEURT-20-D12')
tokenizer = BleurtTokenizer.from_pretrained('lucadiliello/BLEURT-20-D12')

references = ["a bird chirps by the window", "this is a random sentence"]
candidates = ["a bird chirps by the window", "this looks like a random sentence"]

model.eval()
with torch.no_grad():
    inputs = tokenizer(references, candidates, padding='longest', return_tensors='pt')
    res = model(**inputs).logits.flatten().tolist()
print(res)
# [0.9604414105415344, 0.8080050349235535]

Take a look at this repository for the definition of BleurtConfig, BleurtForSequenceClassification and BleurtTokenizer in PyTorch.

Как запустить

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

GPU в ailist

Универсальный рантайм · text-classification

Нельзя запустить

Архитектура bleurt неизвестна transformers в образе рантайма.

Класс архитектуры
BleurtForSequenceClassification
Ревизия весов
90ce39a

0 моделей