/ Модель
Каталог

Характеристики

Контекст
512 токенов
Параметры
4,4 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Опубликована
3 авг 2022

Ссылки

Hugging Face

bert-tiny-finetuned-legal-definitions

muhtasham
Заполнение пропусковТекст → текст3 профессии

Компактная версия BERT, дообученная для предсказания пропущенных токенов в текстах юридических определений.

64скачиваний за 30 дней1лайквеса обновлены3 авг 2022

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

muhtasham/bert-tiny-finetuned-legal-definitions — компактная модель на базе BERT, дообученная для заполнения пропусков в тексте юридических определений. Она предсказывает токены вместо маскированных фрагментов и подходит для подсказок при редактировании или анализа формулировок. Модель содержит 4,4 млн параметров, использует архитектуру BertForMaskedLM, принимает текст с контекстом до 512 токенов и распространяется в формате PyTorch.

В карточке указано дообучение google/bert_uncased_L-2_H-128_A-2, но набор данных обозначен как None; подробности о составе и оценке обучающих данных не приведены. Лицензия — Apache-2.0. Результат оценки на тестовом наборе: loss 2,5125; это значение само по себе не позволяет судить о качестве для конкретных юридических задач.

Сценарии применения

  • подстановка пропущенных слов в юридические определения
  • получение вариантов продолжения фрагмента юридического текста
  • подсказки при редактировании формулировок определений

Ограничения

Карточка не раскрывает обучающий набор данных и подробности применения, а указанный loss 2,5125 не характеризует качество на отдельных юридических сценариях. Модель предназначена для предсказания токенов в маскированном тексте, а не для самостоятельной юридической консультации.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
IV.8Отраслевые задачиГосударственное управление, правосудие и чрезвычайные ситуацииAI помогает улучшать государственные услуги, управление ресурсами, правосудие и реагирование на чрезвычайные ситуации.47 задач2 517моделейI.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейI.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

bert-tiny-finetuned-legal-definitions

This model is a fine-tuned version of google/bert_uncased_L-2_H-128_A-2 on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 2.5125

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: 2e-05
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 3.0

Training results

Training LossEpochStepValidation Loss
3.30481.064012.7595
3.10172.0128022.5912
3.05763.0192032.5234

Framework versions

  • Transformers 4.21.0
  • Pytorch 1.12.0+cu113
  • Datasets 2.4.0
  • Tokenizers 0.12.1

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
BertForMaskedLM
Ревизия весов
ae92893

0 моделей

    Создать бенчмарк