/ Модель

Характеристики

Контекст
514 токенов
Параметры
152 млн
Лицензия
CC BY 4.0
Архитектура
roberta · dense
Опубликована
2 мар 2022

IceBERT-igc

Заполнение пропусковТекст → текст3 профессии

Исландская модель RoBERTa для предсказания пропущенных токенов в тексте.

321скачиваний за 30 дней0лайковвеса обновлены21 окт 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

IceBERT-igc — модель для исландского языка, обученная Miðeind на архитектуре RoBERTa-base с помощью fairseq. Она предназначена для заполнения пропусков в тексте: модель предсказывает подходящий токен в позиции, отмеченной как маскированная. Обучающая выборка включала Icelandic Gigaword Corpus v20.05 объёмом 8,2 ГБ и 1,388 млрд токенов. Модель содержит 151,6 млн параметров и поддерживает контекст длиной до 514 токенов.

IceBERT-igc подходит для языковых задач на исландском, где нужно восстанавливать пропущенные слова или получать контекстные представления токенов. Это маскированная языковая модель, поэтому она не предназначена для свободной генерации длинных текстов. Лицензия — CC BY 4.0.

Сценарии применения

  • восстановление пропущенных слов в исландском тексте
  • подбор контекстного слова для исландского предложения
  • получение контекстных представлений исландских токенов

Ограничения

Модель обучена для исландского языка и ориентирована на заполнение масок, а не на свободную генерацию текста. Максимальная длина контекста составляет 514 токенов.

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

IceBERT-igc

This model was trained with fairseq using the RoBERTa-base architecture. It is one of many models we have trained for Icelandic, see the paper referenced below for further details. The training data used is shown in the table below.

DatasetSizeTokens
Icelandic Gigaword Corpus v20.05 (IGC)8.2 GB1,388M

Citation

The model is described in this paper https://arxiv.org/abs/2201.05601. Please cite the paper if you make use of the model.

@article{DBLP:journals/corr/abs-2201-05601,
  author    = {V{\'{e}}steinn Sn{\ae}bjarnarson and
               Haukur Barri S{\'{\i}}monarson and
               P{\'{e}}tur Orri Ragnarsson and
               Svanhv{\'{\i}}t Lilja Ing{\'{o}}lfsd{\'{o}}ttir and
               Haukur P{\'{a}}ll J{\'{o}}nsson and
               Vilhj{\'{a}}lmur {\TH}orsteinsson and
               Hafsteinn Einarsson},
  title     = {A Warm Start and a Clean Crawled Corpus - {A} Recipe for Good Language
               Models},
  journal   = {CoRR},
  volume    = {abs/2201.05601},
  year      = {2022},
  url       = {https://arxiv.org/abs/2201.05601},
  eprinttype = {arXiv},
  eprint    = {2201.05601},
  timestamp = {Thu, 20 Jan 2022 14:21:35 +0100},
  biburl    = {https://dblp.org/rec/journals/corr/abs-2201-05601.bib},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}

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
23b69ac

0 моделей