/ Модель

Характеристики

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

BLEURT-20-D6

Классификация текстаТекст → label

BLEURT-20-D6 — Transformer-модель для оценки и сравнения текстовых пар по соответствию или качеству.

15скачиваний за 30 дней0лайковвеса 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

BLEURT-20-D6 — модель семейства BLEURT на базе Transformer, представленная пользователем lucadiliello. Она предназначена для оценки пар текстов: модель принимает входные тексты и выдаёт оценку их соответствия или качества. В карточке указаны архитектура BleurtForSequenceClassification, 116,3 млн параметров и контекст до 512 токенов; формат весов — PyTorch.

Модель можно применять для автоматической оценки качества текстовых ответов и сравнения вариантов формулировок. Карточка описывает загрузку через PyTorch Transformers и ссылается на собственные классы конфигурации, модели и токенизатора. Лицензия в предоставленных данных не указана.

Сценарии применения

  • оценка качества машинного перевода
  • сравнение сгенерированного ответа с эталоном
  • ранжирование вариантов текстового ответа по близости к эталону

Ограничения

Контекст ограничен 512 токенами. Данных о поддерживаемых языках и лицензии в предоставленной карточке нет.

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-D6')
model = BleurtForSequenceClassification.from_pretrained('lucadiliello/BLEURT-20-D6')
tokenizer = BleurtTokenizer.from_pretrained('lucadiliello/BLEURT-20-D6')

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)
# [0.9636925458908081, 0.7895470857620239]

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
00bcbbf

0 моделей