/ Модель

Характеристики

Контекст
512 токенов
Параметры
306 млн
Лицензия
MIT
Архитектура
deberta-v2 · dense
Опубликована
2 мар 2022

mdeberta-v3-base

Заполнение пропусковТекст → текст10 профессий

Многоязычная модель Microsoft на базе DeBERTa V3 для предсказания пропущенных токенов и использования в задачах понимания текста.

5,7 млнскачиваний за 30 дней251лайквеса обновлены6 апр 2023

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

mDeBERTa-v3-base — многоязычная модель Microsoft на архитектуре DeBERTa V3, предназначенная для задач понимания текста и предсказания замаскированных токенов. Вариант base содержит 12 слоёв, скрытый размер 768 и 306 млн параметров; словарь включает 250 тыс. токенов. Модель обучена на многоязычных данных CC100 с использованием предобучения в стиле ELECTRA и механизма разделения градиентов при совместном использовании эмбеддингов. Контекст ограничен 512 токенами.

Модель поддерживает английский, русский и другие языки, перечисленные в метаданных. В README приведены результаты переноса с обучением только на английских данных и тестированием на 15 языках XNLI; в этой оценке mDeBERTa-base показала более высокий средний результат, чем XLM-R-base. Модель подходит как основа для дообучения на классификацию и другие задачи понимания естественного языка, однако сама карточка задаёт основную задачу fill-mask. Распространяется по лицензии MIT.

Сценарии применения

  • предсказание пропущенного слова в многоязычном тексте
  • дообучение классификатора текстов на нескольких языках
  • перенос классификации с английского на русский и другие языки
  • создание базовой модели для задач понимания естественного языка

Ограничения

Контекст ограничен 512 токенами; для классификации и других downstream-задач модель обычно требуется дообучить. Приведённые в README сравнительные результаты относятся к оценке XNLI и не гарантируют аналогичного качества на других задачах.

Для каких профессий подходит10

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

DeBERTaV3: Improving DeBERTa using ELECTRA-Style Pre-Training with Gradient-Disentangled Embedding Sharing

DeBERTa improves the BERT and RoBERTa models using disentangled attention and enhanced mask decoder. With those two improvements, DeBERTa out perform RoBERTa on a majority of NLU tasks with 80GB training data.

In DeBERTa V3, we further improved the efficiency of DeBERTa using ELECTRA-Style pre-training with Gradient Disentangled Embedding Sharing. Compared to DeBERTa, our V3 version significantly improves the model performance on downstream tasks. You can find more technique details about the new model from our paper.

Please check the official repository for more implementation details and updates.

mDeBERTa is multilingual version of DeBERTa which use the same structure as DeBERTa and was trained with CC100 multilingual data. The mDeBERTa V3 base model comes with 12 layers and a hidden size of 768. It has 86M backbone parameters with a vocabulary containing 250K tokens which introduces 190M parameters in the Embedding layer. This model was trained using the 2.5T CC100 data as XLM-R.

Fine-tuning on NLU tasks

We present the dev results on XNLI with zero-shot cross-lingual transfer setting, i.e. training with English data only, test on other languages.

Modelavgenfresdeelbgrutrarvithzhhiswur
XLM-R-base76.285.879.780.778.777.579.678.174.273.876.574.676.772.466.568.3
mDeBERTa-base79.8+/-0.288.282.684.482.782.382.480.879.578.578.176.479.575.973.972.4

Fine-tuning with HF transformers

#!/bin/bash

cd transformers/examples/pytorch/text-classification/

pip install datasets

output_dir="ds_results"

num_gpus=8

batch_size=4

python -m torch.distributed.launch --nproc_per_node=${num_gpus} \
  run_xnli.py \
  --model_name_or_path microsoft/mdeberta-v3-base \
  --task_name $TASK_NAME \
  --do_train \
  --do_eval \
  --train_language en \
  --language en \
  --evaluation_strategy steps \
  --max_seq_length 256 \
  --warmup_steps 3000 \
  --per_device_train_batch_size ${batch_size} \
  --learning_rate 2e-5 \
  --num_train_epochs 6 \
  --output_dir $output_dir \
  --overwrite_output_dir \
  --logging_steps 1000 \
  --logging_dir $output_dir

Citation

If you find DeBERTa useful for your work, please cite the following papers:

@misc{he2021debertav3,
      title={DeBERTaV3: Improving DeBERTa using ELECTRA-Style Pre-Training with Gradient-Disentangled Embedding Sharing}, 
      author={Pengcheng He and Jianfeng Gao and Weizhu Chen},
      year={2021},
      eprint={2111.09543},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}
@inproceedings{
he2021deberta,
title={DEBERTA: DECODING-ENHANCED BERT WITH DISENTANGLED ATTENTION},
author={Pengcheng He and Xiaodong Liu and Jianfeng Gao and Weizhu Chen},
booktitle={International Conference on Learning Representations},
year={2021},
url={https://openreview.net/forum?id=XPZIaotutsD}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · fill-mask

Можно запустить

Подбираем GPU…

Ревизия весов
a048466

0 моделей