Характеристики

Контекст: 514 токенов
Параметры: 152 млн
Лицензия: MIT
Архитектура: roberta · dense
Базовая модель: roberta-base
Библиотека: transformers
Опубликована: 29 авг 2024

Ссылки

Hugging Face

roberta_erisk

manuel-couto-pintos

Заполнение пропусковТекст → текст

Дообученная RoBERTa для предсказания замаскированных слов в тексте.

10скачиваний за 30 дней0лайковвеса обновлены29 авг 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

roberta_erisk — дообученная модель RoBERTa, разработанная на основе FacebookAI/roberta-base. Она предназначена для восстановления скрытых слов в англоязычном тексте: модель получает последовательность с замаскированным токеном и предсказывает подходящее заполнение. Модель содержит 151,8 млн параметров, использует архитектуру RobertaForMaskedLM и поддерживает контекст до 514 токенов.

Модель можно применять для заполнения пропусков и как основу для экспериментов с задачами понимания языка. Она опубликована в формате safetensors под лицензией MIT. В карточке указана оценка Loss 0,5237 на наборе оценки, но обучающий датасет обозначен как None, а подробности о назначении и ограничениях не приведены.

Сценарии применения

заполнение пропущенного слова в предложении
подбор вероятного слова вместо маски в тексте
создание кандидатов для восстановления повреждённых фрагментов текста

Ограничения

В README не описаны обучающие данные и ограничения модели; указан датасет None. Качество подтверждено только значением Loss 0,5237 на оценочном наборе.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

roberta_erisk

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

Loss: 0.5237

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: 8
eval_batch_size: 8
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 3

Training results

Training Loss	Epoch	Step	Validation Loss
0.635	1.0	3949	0.6299
0.5398	2.0	7898	0.5505
0.4949	3.0	11847	0.5232

Framework versions

Transformers 4.44.2
Pytorch 2.0.1+cu117
Datasets 2.20.0
Tokenizers 0.19.1

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры: RobertaForMaskedLM
Ревизия весов: 9aa8180