Характеристики

Контекст: 514 токенов
Параметры: 152 млн
Лицензия: MIT
Архитектура: roberta · dense
Опубликована: 11 июл 2022

Ссылки

Hugging Face

recipe-roberta-tis

paola-md

Заполнение пропусковТекст → текст3 профессии

Дообученная RoBERTa для предсказания пропущенных токенов в тексте.

54скачиваний за 30 дней0лайковвеса обновлены11 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-tis — модель семейства RoBERTa, дообученная разработчиком на наборе данных, который в карточке обозначен как None. Она содержит 151,8 млн параметров, принимает текст с замаскированными токенами и предсказывает вероятные замены; максимальная длина контекста — 514 токенов.

Модель подходит для восстановления пропусков в тексте и языковых экспериментов с заполнением масок. В карточке приведён результат оценки Loss 0,8491, но описание набора данных и сценариев применения отсутствует, поэтому качество для конкретных задач определить нельзя. Веса доступны в формате PyTorch по лицензии MIT.

Сценарии применения

подстановка пропущенного слова в предложении
восстановление замаскированных токенов
проверка вероятных продолжений фразы

Ограничения

Набор данных и предназначение дообучения не описаны; приведённого значения Loss недостаточно, чтобы судить о качестве на конкретных сценариях.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

recipe-roberta-tis

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

Loss: 0.8491

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 Loss	Epoch	Step	Validation Loss
1.3552	1.0	1012	1.1292
1.1811	2.0	2024	1.0543
1.1095	3.0	3036	1.0122
1.0667	4.0	4048	0.9756
1.0345	5.0	5060	0.9478
1.0112	6.0	6072	0.9292
0.9922	7.0	7084	0.9137
0.9762	8.0	8096	0.9056
0.9627	9.0	9108	0.8977
0.9507	10.0	10120	0.8868
0.9411	11.0	11132	0.8823
0.9344	12.0	12144	0.8745
0.9261	13.0	13156	0.8688
0.9189	14.0	14168	0.8614
0.9133	15.0	15180	0.8609
0.9078	16.0	16192	0.8581
0.906	17.0	17204	0.8544
0.9015	18.0	18216	0.8537
0.8988	19.0	19228	0.8494
0.8975	20.0	20240	0.8491

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: f3d6fa2