/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
138 млн
Лицензия
CC BY-SA 4.0
Архитектура
big_bird · dense
Опубликована
3 июн 2023

bigbird-base-japanese

Заполнение пропусковТекст → текст3 профессии

Японская базовая модель BigBird для восстановления замаскированных токенов в контексте до 4096 токенов.

16 729скачиваний за 30 дней5лайковвеса обновлены20 июн 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

nlp-waseda/bigbird-base-japanese — базовая японская модель BigBird, разработанная Waseda University и предварительно обученная на японской Википедии, японской части CC-100 и японской части OSCAR. Она предназначена для задачи предсказания замаскированных токенов: восстановления пропущенных слов или частей текста по контексту. Модель содержит 137,8 млн параметров, использует плотную архитектуру BigBirdForMaskedLM и поддерживает контекст до 4096 токенов.

Для токенизации входной текст нужно предварительно сегментировать с помощью Juman++; затем применяется SentencePiece с словарём из 32 000 токенов. В README также приведены результаты дообученных вариантов на наборах задач JGLUE, но сама эта модель является базовой языковой моделью. Распространяется по лицензии CC BY-SA 4.0.

Сценарии применения

  • восстановление пропущенных слов в японском тексте
  • предсказание замаскированного токена по контексту
  • оценка языковых представлений японского текста
  • дообучение для задач понимания японского языка

Ограничения

Для входного текста требуется предварительная сегментация слов с помощью Juman++. Это базовая модель; результаты на JGLUE в README относятся к отдельным дообученным вариантам.

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

nlp-waseda/bigbird-base-japanese

Model description

This is a Japanese BigBird base model pretrained on Japanese Wikipedia, the Japanese portion of CC-100, and the Japanese portion of OSCAR.

How to use

You can use this model for masked language modeling as follows:

from transformers import AutoTokenizer, AutoModelForMaskedLM
tokenizer = AutoTokenizer.from_pretrained("nlp-waseda/bigbird-base-japanese")
model = AutoModelForMaskedLM.from_pretrained("nlp-waseda/bigbird-base-japanese")

sentence = '[MASK] 大学 で 自然 言語 処理 を 学ぶ 。' # input should be segmented into words by Juman++ in advance
encoding = tokenizer(sentence, return_tensors='pt')
...

You can fine-tune this model on downstream tasks.

Tokenization

The input text should be segmented into words by Juman++ in advance. Juman++ 2.0.0-rc3 was used for pretraining. Each word is tokenized into tokens by sentencepiece.

Vocabulary

The vocabulary consists of 32000 tokens including words (JumanDIC) and subwords induced by the unigram language model of sentencepiece.

Training procedure

This model was trained on Japanese Wikipedia (as of 20221101), the Japanese portion of CC-100, and the and the Japanese portion of OSCAR. It took two weeks using 16 NVIDIA A100 GPUs using transformers and DeepSpeed.

The following hyperparameters were used during pretraining:

  • learning_rate: 1e-4
  • per_device_train_batch_size: 6
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 192
  • max_seq_length: 4096
  • training_steps: 600000
  • warmup_steps: 6000
  • bf16: true
  • deepspeed: ds_config.json

Performance on JGLUE

We fine-tuned the following models and evaluated them on the dev set of JGLUE. We tuned learning rate and training epochs for each model and task following the JGLUE paper.

For the tasks other than MARC-ja, the maximum length is short, so the attention_type was set to "original_full", and fine-tuning was performed. For MARC-ja, both "block_sparse" and "original_full" were used.

ModelMARC-ja/accJSTS/pearsonJSTS/spearmanJNLI/accJSQuAD/EMJSQuAD/F1JComQA/acc
Waseda RoBERTa base0.9650.9130.8760.9050.8530.9160.853
Waseda RoBERTa large (seq512)0.9690.9250.8900.9280.9100.9550.900
BigBird base (original_full)0.9590.8880.8460.8960.8840.9330.787
BigBird base (block_sparse)0.959------

Acknowledgments

This work was supported by AI Bridging Cloud Infrastructure (ABCI) through the "Construction of a Japanese Large-Scale General-Purpose Language Model that Handles Long Sequences" at the 3rd ABCI Grand Challenge 2022.

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
BigBirdForMaskedLM
Ревизия весов
9dcb5bf

0 моделей