/ Модель

Характеристики

Контекст
512 токенов
Параметры
59,2 млн
Лицензия
CC BY 4.0
Архитектура
bert · dense
Опубликована
7 мар 2023

ElhBERTeu-medium

ЭмбеддингиТекст → embedding3 профессии

Среднеразмерная монолингвальная BERT-модель для получения контекстных представлений текста на баскском языке.

205скачиваний за 30 дней0лайковвеса обновлены7 фев 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Эмбеддинги» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

ElhBERTeu-medium — среднеразмерная монолингвальная модель BERT для баскского языка, представленная в работе BasqueGLUE. Она разработана авторами BasqueGLUE и обучена на корпусе примерно из 575 млн токенов: новостях, Википедии, научных текстах, литературе и субтитрах. Модель использует регистрозависимый словарь размером 50 тыс. токенов; архитектура включает 8 слоёв и скрытое представление размерности 512. В README указано 51 млн параметров, а метаданные Hugging Face — 59,2 млн; доступный контекст составляет до 512 токенов.

Модель предназначена для получения контекстных представлений баскского текста, которые можно использовать в задачах понимания естественного языка и как основу для последующей классификации или других downstream-задач. В карточке Hugging Face основная задача обозначена как feature-extraction. Модель распространяется по лицензии CC BY 4.0. Ее область применения ограничена баскским языком; сведения о результатах на конкретных downstream-задачах в карточке не приведены.

Сценарии применения

  • получение эмбеддингов баскских текстов
  • подготовка признаков для классификации текстов на баскском
  • извлечение контекстных представлений для задач понимания баскского языка

Ограничения

Модель рассчитана на баскский язык и имеет контекстное окно до 512 токенов. В README и метаданных расходится число параметров: указаны 51 млн и 59,2 млн соответственно.

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

ElhBERTeu-medium

This is the medium-size version of ElhBERTeu model, the BERT-base for Basque introduced in BasqueGLUE: A Natural Language Understanding Benchmark for Basque.

ElhBERTeu-medium was trained over the same corpus as for ElhBERTeu, for which we employed different corpora sources from several domains: updated (2021) national and local news sources, Basque Wikipedia, as well as novel news sources and texts from other domains, such as science (both academic and divulgative), literature or subtitles. More details about the corpora used and their sizes are shown in the following table. Texts from news sources were oversampled (duplicated) as done during the training of BERTeus. In total 575M tokens were used for pre-training ElhBERTeu.

DomainSize
News2 x 224M
Wikipedia40M
Science58M
Literature24M
Others7M
Total575M

ElhBERTeu-medium is a medium-sized (L=8, H=512), cased monolingual BERT model for Basque, with a vocab size of 50K, which has 51M parameters in total and was trained as ElhBERTeu (steps=1M, batch_size=256).

If you use this model, please cite the following paper:

  • G. Urbizu, I. San Vicente, X. Saralegi, R. Agerri, A. Soroa. BasqueGLUE: A Natural Language Understanding Benchmark for Basque. In proceedings of the 13th Language Resources and Evaluation Conference (LREC 2022). June 2022. Marseille, France
@InProceedings{urbizu2022basqueglue,
  author    = {Urbizu, Gorka  and  San Vicente, Iñaki  and  Saralegi, Xabier  and  Agerri, Rodrigo  and  Soroa, Aitor},
  title     = {BasqueGLUE: A Natural Language Understanding Benchmark for Basque},
  booktitle      = {Proceedings of the Language Resources and Evaluation Conference},
  month          = {June},
  year           = {2022},
  address        = {Marseille, France},
  publisher      = {European Language Resources Association},
  pages     = {1603--1612},
  abstract  = {Natural Language Understanding (NLU) technology has improved significantly over the last few years and multitask benchmarks such as GLUE are key to evaluate this improvement in a robust and general way. These benchmarks take into account a wide and diverse set of NLU tasks that require some form of language understanding, beyond the detection of superficial, textual clues. However, they are costly to develop and language-dependent, and therefore they are only available for a small number of languages. In this paper, we present BasqueGLUE, the first NLU benchmark for Basque, a less-resourced language, which has been elaborated from previously existing datasets and following similar criteria to those used for the construction of GLUE and SuperGLUE. We also report the evaluation of two state-of-the-art language models for Basque on BasqueGLUE, thus providing a strong baseline to compare upon. BasqueGLUE is freely available under an open license.},
  url       = {https://aclanthology.org/2022.lrec-1.172}
}

License: CC BY 4.0

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
BertModel
Ревизия весов
d4737b3

0 моделей