/ Модель

Характеристики

Контекст
514 токенов
Параметры
153 млн
Лицензия
Apache 2.0
Архитектура
roberta · dense
Базовая модель
roberta-base-biomedical-clinical-es
Опубликована
30 апр 2024

final-ft__roberta-base-biomedical-clinical-es__70k-ultrasounds

Заполнение пропусковТекст → текст3 профессии

Дообученная испаноязычная RoBERTa для восстановления маскированных фрагментов биомедицинских и клинических текстов, включая материалы об УЗИ.

10скачиваний за 30 дней1лайквеса обновлены30 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

Это дообученная модель RoBERTa для заполнения пропусков в испаноязычных биомедицинских и клинических текстах. Она разработана на основе BSC-LT/roberta-base-biomedical-clinical-es и содержит 153,2 млн параметров. Модель принимает текст с маскированным фрагментом и предсказывает подходящее заполнение; размер контекста — 514 токенов.

Модель ориентирована на работу с испанскими текстами об ультразвуковых исследованиях, что отражено в её названии, однако README не приводит подробностей обучающего набора или клинической проверки. Заявленный показатель loss на оценочной выборке — 0,5971. Распространяется по лицензии Apache-2.0.

Сценарии применения

  • заполнение пропусков в испанских медицинских текстах
  • восстановление терминов в клинических записях
  • подстановка пропущенных слов в описаниях УЗИ

Ограничения

README не описывает обучающие данные, предназначение и ограничения, а также не сообщает о клинической валидации; пригодность для принятия медицинских решений не установлена.

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

final-ft__roberta-base-biomedical-clinical-es__70k-ultrasounds

This model is a fine-tuned version of BSC-LT/roberta-base-biomedical-clinical-es on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.5971

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: 2e-05
  • train_batch_size: 64
  • eval_batch_size: 64
  • seed: 42
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 256
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 20
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation Loss
No log0.99782290.9388
No log2.04590.8139
No log2.99786880.7544
0.96224.09180.7302
0.96224.997811470.6878
0.96226.013770.6754
0.96226.997816060.6625
0.7158.018360.6431
0.7158.997820650.6278
0.71510.022950.6361
0.71510.997825240.6296
0.659712.027540.6164
0.659712.997829830.6117
0.659714.032130.6052
0.659714.997834420.6064
0.635416.036720.6225
0.635416.997839010.5974
0.635418.041310.6010
0.635418.997843600.5816
0.635419.956445800.5971

Framework versions

  • Transformers 4.40.0
  • Pytorch 2.2.1+cu121
  • Datasets 2.19.0
  • Tokenizers 0.19.1

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
499af7c

0 моделей