Характеристики

Контекст: 512 токенов
Параметры: 212 млн
Архитектура: deberta-v2 · dense
Опубликована: 6 авг 2023

Ссылки

MindAct_CandidateGeneration_deberta-v3-base

Классификация текстаТекст → label3 профессии

Модель ранжирует кандидатов веб-действий по текущему запросу или действию, помогая веб-агентам выбирать релевантные HTML-элементы.

393скачиваний за 30 дней3лайкавеса обновлены9 сен 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

osunlp/MindAct_CandidateGeneration_deberta-v3-base — модель группы OSU NLP, дообученная на базе encoder-only DeBERTa-v3-base для этапа генерации кандидатов в веб-агентах MindAct и Mind2Web. Она оценивает пары, состоящие из текущего запроса или действия и кандидата — например, HTML-элемента веб-страницы, — чтобы ранжировать и извлекать наиболее релевантные варианты для последующего предсказания действий.

Сценарии применения

ранжирование HTML-элементов для веб-автоматизации
генерация кандидатов для действий веб-агента
поиск релевантных элементов страницы по инструкции пользователя
подготовка кандидатов для предсказания последовательности действий

Ограничения

Модель предназначена для ранжирования кандидатов в специализированном конвейере веб-агента и не является универсальной генеративной моделью или самостоятельным исполнителем браузерных действий. Контекст ограничен 512 токенами; качество вне сценариев, подобных Mind2Web, может снижаться.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022модели I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей II.4Разработка и данныеОтладка, тестирование и качество ПОAI помогает находить дефекты, строить проверки и повышать надёжность программного продукта.25 задач13 978моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Автор не опубликовал карточку модели.

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: 92d3ddc