/ Модель

Характеристики

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

bleurt-large-512

Классификация текстаТекст → label4 профессии

BLEURT large — Transformer-модель для оценки качества текста и сравнения кандидатов с эталонными формулировками.

516скачиваний 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

lucadiliello/bleurt-large-512 — модель семейства BLEURT на архитектуре Transformer, опубликованная пользователем lucadiliello. Это PyTorch-модель для классификации последовательностей с 433,9 млн параметров и контекстом до 512 токенов. Она предназначена для оценки качества текста, в частности сопоставления кандидата с эталонным текстом; типичный сценарий BLEURT — автоматическая оценка качества машинного перевода.

Сценарии применения

  • оценка качества машинного перевода по эталонному переводу
  • сравнение сгенерированного текста с эталонным ответом
  • ранжирование вариантов перевода по сходству с эталоном

Ограничения

Модель оценивает текст относительно эталона и не предназначена для самостоятельной генерации. Поддерживаемые языки и лицензия в предоставленных данных не указаны.

Для каких профессий подходит4

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

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-large-512')
model = BleurtForSequenceClassification.from_pretrained('lucadiliello/bleurt-large-512')
tokenizer = BleurtTokenizer.from_pretrained('lucadiliello/bleurt-large-512')

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)
# [1.0721179246902466, 0.8036927580833435]

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
c96bd62

0 моделей