/ Модель

Характеристики

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

deberta-v3-small-finetuned-cola

Классификация текстаТекст → label3 профессии

Модель DeBERTa-v3-small, дообученная на CoLA, классифицирует английские предложения по грамматической приемлемости.

85скачиваний за 30 дней3лайкавеса обновлены20 мар 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

Это модель классификации предложений на основе DeBERTa-v3-small, дообученная mrm8488 на наборе CoLA из бенчмарка GLUE. Она оценивает, является ли предложение грамматически приемлемым; в README указаны результат Matthews Correlation 0,6333 и loss 0,4051 на оценочной выборке.

Архитектура DeBERTa использует раздельное представление содержимого и позиции в механизме внимания и улучшенный декодер маски. Вариант v3 при предварительном обучении применяет задачу обнаружения заменённых токенов. Карточка описывает исходную конфигурацию как 6 слоёв с размером скрытого состояния 768; метаданные репозитория указывают 155 млн параметров, контекст до 512 токенов, форматы PyTorch и safetensors и лицензию MIT.

Модель подходит для оценки грамматической приемлемости отдельных английских предложений. Обучающие данные CoLA содержат предложения из лингвистических публикаций с экспертными оценками грамматичности; это узкая задача, поэтому модель не следует считать универсальным классификатором текста или средством проверки всех аспектов письма. Оценка на бенчмарке не гарантирует такое же качество на иных текстах.

Сценарии применения

  • проверка грамматической приемлемости английского предложения
  • оценка грамматичности фраз в лингвистических экспериментах
  • классификация предложений для учебных заданий по английскому
  • эксперименты с классификацией текста на бенчмарке GLUE CoLA

Ограничения

Модель дообучена для узкой задачи CoLA и не предназначена для универсальной проверки орфографии, пунктуации или качества текста. Оценка на наборе GLUE CoLA не гарантирует аналогичное качество на других жанрах и типах предложений.

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

DeBERTa-v3-small fine-tuned on CoLA

This model is a fine-tuned version of microsoft/deberta-v3-small on the GLUE COLA dataset. It achieves the following results on the evaluation set:

  • Loss: 0.4051
  • Matthews Correlation: 0.6333

Model description

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.

Please check the official repository for more details and updates.

In DeBERTa V3, we replaced the MLM objective with the RTD(Replaced Token Detection) objective introduced by ELECTRA for pre-training, as well as some innovations to be introduced in our upcoming paper. Compared to DeBERTa-V2, our V3 version significantly improves the model performance in downstream tasks. You can find a simple introduction about the model from the appendix A11 in our original paper, but we will provide more details in a separate write-up.

The DeBERTa V3 small model comes with 6 layers and a hidden size of 768. Its total parameter number is 143M since we use a vocabulary containing 128K tokens which introduce 98M parameters in the Embedding layer. This model was trained using the 160GB data as DeBERTa V2.

Intended uses & limitations

More information needed

Training and evaluation data

The Corpus of Linguistic Acceptability (CoLA) in its full form consists of 10657 sentences from 23 linguistics publications, expertly annotated for acceptability (grammaticality) by their original authors. The public version provided here contains 9594 sentences belonging to training and development sets, and excludes 1063 sentences belonging to a held out test set.

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 3e-05
  • train_batch_size: 16
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 5.0

Training results

Training LossEpochStepValidation LossMatthews Correlation
No log1.05350.40510.6333
0.33712.010700.44550.6531
0.33713.016050.57550.6499
0.13054.021400.71880.6553
0.13055.026750.80470.6700

Framework versions

  • Transformers 4.13.0.dev0
  • Pytorch 1.10.0+cu111
  • Datasets 1.16.1
  • Tokenizers 0.10.3

Как запустить

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

GPU в ailist

Универсальный рантайм · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
DebertaV2ForSequenceClassification
Ревизия весов
9983225

0 моделей