/ Модель

Характеристики

Контекст
512 токенов
Параметры
441 млн
Архитектура
bert · dense
Опубликована
2 мар 2022

RoBERT-large

Языковая модель5 профессий

Предварительно обученная модель BERT-large для румынского языка, предназначенная для адаптации к задачам анализа и классификации текста.

467скачиваний за 30 дней6лайковвеса обновлены21 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

RoBERT-large — предварительно обученная языковая модель BERT для румынского языка, разработанная командой ReaderBench. Она обучалась на корпусах Oscar, RoTex и RoWiki с целями masked language modeling и next sentence prediction. Модель подходит как основа для последующей настройки на задачи понимания румынского текста, включая анализ тональности, классификацию диалектов и тем, а также восстановление диакритических знаков.

Архитектура — плотный BERT-large с 24 слоями, скрытым размером 1024 и 24 головами внимания. В карточке указаны 341 млн параметров, тогда как метаданные репозитория сообщают 441,3 млн; размер параметров противоречив. Контекст составляет до 512 токенов. Модель некейсированная, рассчитана на румынский язык и доступна в форматах PyTorch, TensorFlow и Flax.

Это базовая модель для задач с текстом, а не готовый универсальный чат-бот; для конкретных классификационных или генеративных сценариев может потребоваться дообучение. Лицензия в предоставленных данных не указана.

Сценарии применения

  • классификация тональности румынских текстов
  • определение молдавского или румынского диалекта
  • классификация тем в румынских текстах
  • восстановление диакритических знаков в румынском тексте
  • дообучение модели для задач понимания румынского языка

Ограничения

Контекст ограничен 512 токенами; для прикладных задач может потребоваться дообучение. В README и метаданных расходятся сведения о числе параметров: 341 млн и 441,3 млн соответственно.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model card for RoBERT-large


language:

  • ro

RoBERT-large

Pretrained BERT model for Romanian

Pretrained model on Romanian language using a masked language modeling (MLM) and next sentence prediction (NSP) objective. It was introduced in this paper. Three BERT models were released: RoBERT-small, RoBERT-base and RoBERT-large, all versions uncased.

ModelWeightsLHAMLM accuracyNSP accuracy
RoBERT-small19M1225680.53630.9687
RoBERT-base114M12768120.65110.9802
RoBERT-large341M241024240.69290.9843

All models are available:

How to use

# tensorflow
from transformers import AutoModel, AutoTokenizer, TFAutoModel
tokenizer = AutoTokenizer.from_pretrained("readerbench/RoBERT-large")
model = TFAutoModel.from_pretrained("readerbench/RoBERT-large")
inputs = tokenizer("exemplu de propoziție", return_tensors="tf")
outputs = model(inputs)

# pytorch
from transformers import AutoModel, AutoTokenizer, AutoModel
tokenizer = AutoTokenizer.from_pretrained("readerbench/RoBERT-large")
model = AutoModel.from_pretrained("readerbench/RoBERT-large")
inputs = tokenizer("exemplu de propoziție", return_tensors="pt")
outputs = model(**inputs)

Training data

The model is trained on the following compilation of corpora. Note that we present the statistics after the cleaning process.

CorpusWordsSentencesSize (GB)
Oscar1.78B87M10.8
RoTex240M14M1.5
RoWiki50M2M0.3
Total2.07B103M12.6

Downstream performance

Sentiment analysis

We report Macro-averaged F1 score (in %)

ModelDevTest
multilingual-BERT68.9669.57
XLM-R-base71.2671.71
BERT-base-ro70.4971.02
RoBERT-small66.3266.37
RoBERT-base70.8971.61
RoBERT-large72.4872.11

Moldavian vs. Romanian Dialect and Cross-dialect Topic identification

We report results on VarDial 2019 Moldavian vs. Romanian Cross-dialect Topic identification Challenge, as Macro-averaged F1 score (in %).

ModelDialect ClassificationMD to RORO to MD
2-CNN + SVM93.4065.0975.21
Char+Word SVM96.2069.0881.93
BiGRU93.3070.1080.30
multilingual-BERT95.3468.7678.24
XLM-R-base96.2869.9382.28
BERT-base-ro96.2069.9378.79
RoBERT-small95.6769.0180.40
RoBERT-base97.3968.3081.09
RoBERT-large97.7869.9183.65

Diacritics Restoration

Challenge can be found here. We report results on the official test set, as accuracies in %.

Modelword levelchar level
BiLSTM99.42-
CharCNN98.4099.65
CharCNN + multilingual-BERT99.7299.94
CharCNN + XLM-R-base99.7699.95
CharCNN + BERT-base-ro99.7999.95
CharCNN + RoBERT-small99.7399.94
CharCNN + RoBERT-base99.7899.95
CharCNN + RoBERT-large99.7699.95

BibTeX entry and citation info

@inproceedings{masala2020robert,
  title={RoBERT--A Romanian BERT Model},
  author={Masala, Mihai and Ruseti, Stefan and Dascalu, Mihai},
  booktitle={Proceedings of the 28th International Conference on Computational Linguistics},
  pages={6626--6637},
  year={2020}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

У модели не указана задача.

Ревизия весов
9f2fc51

0 моделей