/ Модель

Характеристики

Контекст
514 токенов
Параметры
152 млн
Лицензия
MIT
Архитектура
roberta · dense
Опубликована
7 июл 2022

recipe-roberta-is

Заполнение пропусковТекст → текст3 профессии

Дообученная RoBERTa заполняет пропущенные фрагменты текста по контексту.

53скачиваний за 30 дней0лайковвеса обновлены7 июл 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

paola-md/recipe-roberta-is — модель RoBERTa для заполнения пропусков в тексте. Она дообучена на базе roberta-base; в README датасет указан как None. Модель содержит 151,8 млн параметров, принимает текст с маскированным фрагментом и предлагает варианты его заполнения. Контекст составляет до 514 токенов.

Модель можно применять для восстановления пропущенных слов и изучения контекстных языковых представлений. В README приведён результат оценки: loss 0,8382; подробностей о наборе данных и протоколе оценки нет. Модель распространяется по лицензии MIT.

Сценарии применения

  • подстановка пропущенного слова в предложении
  • получение вариантов продолжения фразы с маской
  • восстановление пропущенных фрагментов текста
  • оценка языковых представлений на задаче fill-mask

Ограничения

Язык и область применения не уточнены; README не описывает обучающие данные и подробности оценки. Контекст ограничен 514 токенами.

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

recipe-roberta-is

This model is a fine-tuned version of roberta-base on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.8382

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: 256
  • eval_batch_size: 256
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 20
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation Loss
1.3341.09611.1217
1.16382.019221.0369
1.09363.028830.9922
1.05034.038440.9606
1.01885.048050.9314
0.99536.057660.9256
0.97697.067270.9109
0.95998.076880.8978
0.94619.086490.8813
0.937710.096100.8777
0.925311.0105710.8755
0.91812.0115320.8601
0.911213.0124930.8541
0.904314.0134540.8548
0.898415.0144150.8470
0.895816.0153760.8412
0.891417.0163370.8345
0.888218.0172980.8353
0.887119.0182590.8344
0.883920.0192200.8382

Framework versions

  • Transformers 4.19.0.dev0
  • Pytorch 1.11.0+cu102
  • Datasets 2.3.2
  • 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
RobertaForMaskedLM
Ревизия весов
59d378e

0 моделей