Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: distilbert-base-uncased
Опубликована: 27 янв 2024

Ссылки

Hugging Face

mlm_output

mhdfadhil

Заполнение пропусковТекст → текст3 профессии

Дообученная на неизвестных данных англоязычная DistilBERT-модель для предсказания замаскированных слов в тексте.

7скачиваний за 30 дней0лайковвеса обновлены3 фев 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

mlm_output — модель заполнения пропусков в тексте на основе DistilBERT, дообученная автором на неизвестном наборе данных. Она использует архитектуру DistilBertForMaskedLM и формат весов safetensors. Модель предназначена для предсказания замаскированных слов в англоязычном тексте; лимит контекста составляет 512 токенов.

В карточке указана оценка Loss 2.1806 на наборе для оценки, но подробности о данных, методике обучения и предполагаемых сценариях применения отсутствуют. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

подстановка пропущенного слова в английском предложении
оценка вариантов заполнения маскированного фрагмента
восстановление скрытых слов в английском тексте

Ограничения

Данные обучения неизвестны, а описание ограничений и подробности оценки в карточке отсутствуют. Контекст ограничен 512 токенами.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

mlm_output

This model is a fine-tuned version of distilbert-base-uncased on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 2.1806

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: 20
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
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss
2.357	1.0	500	2.2492
2.2481	2.0	1000	2.1714
2.2513	3.0	1500	2.1677

Framework versions

Transformers 4.35.2
Pytorch 2.1.0+cu121
Datasets 2.16.1
Tokenizers 0.15.1

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: DistilBertForMaskedLM
Ревизия весов: 1ce8a94