/ Модель

Характеристики

Контекст
512 токенов
Параметры
153 млн
Архитектура
bert · dense
Опубликована
18 апр 2023

ancient_semitic_bert

Заполнение пропусковТекст → текст3 профессии

BERT-модель для предсказания пропущенных токенов в древнесемитских текстах на арабском и иврите.

17скачиваний за 30 дней2лайкавеса обновлены22 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

mehdie/ancient_semitic_bert — модель семейства BERT с 153,2 млн параметров, дообученная для предсказания скрытых токенов (fill-mask). По названию модели и языковым меткам она предназначена для работы с древнесемитскими текстами на арабском и иврите; в метаданных указаны датасеты bigscience-data/roots_ar_openiti_proc и mehdie/sefaria. Контекст модели составляет до 512 токенов.

Модель может подставлять пропущенные слова или токены в тексте и помогать исследовать языковые закономерности в древнесемитских корпусах. В README приведены результаты оценки: loss 1,9118 и perplexity 6,77 после 40 эпох, но описание обучения, методики оценки и ограничений отсутствует. Используются веса safetensors. Лицензия в предоставленных данных не указана.

Сценарии применения

  • подстановка пропущенных слов в древнесемитском тексте
  • исследование контекстного употребления слов в арабских корпусах
  • исследование контекстного употребления слов в корпусах на иврите

Ограничения

README не описывает обучение, оценочный набор и ограничения модели; приведённые метрики даны без подробностей методики оценки. Контекст ограничен 512 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

ancient_semitic_bert

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

  • Loss: 1.9118
  • Perplexity: 6.77 (40 Epochs)

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: 5e-05
  • train_batch_size: 16
  • eval_batch_size: 16
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 4
  • total_train_batch_size: 64
  • total_eval_batch_size: 64
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 10000
  • num_epochs: 40.0

Training results

Training LossEpochStepValidation Loss
6.7781.0553196.4618
6.42712.01106386.3701
6.36163.01659576.3217
6.32574.02212766.2966
6.30015.02765956.2759
6.28346.03319146.2610
6.26997.03872336.2465
6.25658.04425526.1939
6.22219.04978716.1154
6.072110.05531905.9524
5.921211.06085095.7947
5.811312.06638285.7161
5.750913.07191475.6614
5.705314.07744665.6158
5.666515.08297855.5774
5.63416.08851045.5448
5.605517.09404232.7563
3.330818.09957422.5443
2.617919.010510612.4196
2.532420.011063802.3393
2.479121.011616992.2755
2.410522.012170182.2241
2.358223.012723372.1772
2.328124.013276562.1416
2.298725.013829752.1137
2.785926.014382942.0950
2.272827.014936132.0685
2.230828.015489322.0499
2.173929.016042512.0082
2.156930.016595701.9939
2.142531.017148891.9802
2.131832.017702081.9669
2.120733.018255271.9583
2.111134.018808461.9477
2.10235.019361651.9409
2.094336.019914841.9313
2.087137.020468031.9236
2.073638.021021221.9191
2.069339.021574411.9147
2.065340.022127601.9118

Framework versions

  • Transformers 4.38.2
  • Pytorch 2.3.0a0+ebedce2
  • Datasets 2.17.1
  • Tokenizers 0.15.2

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
BertForMaskedLM
Ревизия весов
62a73e4

0 моделей