/ Модель

Характеристики

Контекст
514 токенов
Параметры
153 млн
Лицензия
Apache 2.0
Архитектура
roberta · dense
Базовая модель
roberta-clinical-wl-es
Опубликована
1 мая 2024

final-ft__roberta-clinical-wl-es__70k-ultrasounds

Заполнение пропусковТекст → текст3 профессии

Дообученная испаноязычная RoBERTa для предсказания замаскированных слов в тексте.

10скачиваний за 30 дней0лайковвеса обновлены1 мая 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

Модель manucos/final-ft__roberta-clinical-wl-es__70k-ultrasounds — дообученная испаноязычная RoBERTa с архитектурой RobertaForMaskedLM и 153,2 млн параметров. Она предназначена для задачи fill-mask: предсказания замаскированных слов в тексте. Контекст составляет до 514 токенов.

Модель дообучена на базе plncmm/roberta-clinical-wl-es; README указывает, что использовался датасет None, поэтому состав обучающих данных неясен. В карточке приведён результат оценки Loss 0,6177, но подробности тестирования отсутствуют. Модель распространяется в формате safetensors по лицензии Apache-2.0.

Сценарии применения

  • восстановление пропущенных слов в испанском тексте
  • подбор вероятного слова по контексту
  • анализ контекстных представлений испанских слов

Ограничения

Состав обучающих данных указан как None, а подробности оценки и целевого применения не приведены. Контекст ограничен 514 токенами.

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-clinical-wl-es__70k-ultrasounds

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

  • Loss: 0.6177

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 log0.99672290.9228
No log1.99784590.8047
No log2.99896890.7665
0.9584.09190.7180
0.9584.996711480.7044
0.9585.997813780.6875
0.9586.998916080.6674
0.71978.018380.6454
0.71978.996720670.6485
0.71979.997822970.6411
0.719710.998925270.6292
0.66512.027570.6223
0.66512.996729860.6311
0.66513.997832160.6128
0.66514.998934460.6141
0.639816.036760.6028
0.639816.996739050.6064
0.639817.997841350.6148
0.639818.998943650.6032
0.639819.934745800.6177

Framework versions

  • Transformers 4.40.1
  • 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
b1c0a79

0 моделей