/ Модель

Характеристики

Контекст
514 токенов
Параметры
95,4 млн
Лицензия
Apache 2.0
Архитектура
roberta · dense
Опубликована
19 апр 2022

TCFD-BERT

Заполнение пропусковТекст → текст3 профессии

RoBERTa-модель, дополнительно предобученная на текстах об изменении климата для восстановления скрытых фрагментов.

61скачиваний за 30 дней0лайковвеса обновлены21 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

TCFD-BERT — языковая модель на базе ClimateBERT-f, разработанная пользователем s50227harry. Модель дополнительно предобучена на абзацах о климатических изменениях и предназначена для восстановления скрытых фрагментов текста. Это RoBERTa-модель для masked language modeling с 95,4 млн параметров и контекстом до 514 токенов.

Модель можно применять для заполнения пропусков в текстах о климате и как основу для дальнейших исследований или адаптации в задачах климатической тематики. В README приведён результат оценки: loss 1,1325; подробности набора данных, метода оценки и практических ограничений не описаны. Распространяется по лицензии Apache-2.0.

Сценарии применения

  • заполнение пропусков в климатических текстах
  • подстановка скрытых слов в абзацах об изменении климата
  • адаптация языковой модели для анализа климатических публикаций

Ограничения

README не описывает обучающие данные, методику оценки и ограничения применения; приведён только loss 1,1325 без контекста оценки.

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

Using the ClimateBERT-f model as starting point,the TCFD-BERT language model is additionally pre-trained to include precise paragraphs related to climate change.

TCFD-BERT

It achieves the following results on the evaluation set:

  • Loss: 1.1325

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: 5e-05
  • train_batch_size: 16
  • eval_batch_size: 8
  • seed: 42
  • distributed_type: tpu
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 500
  • num_epochs: 5

Training results

Training LossEpochStepValidation Loss
1.8650.375001.4460
1.66010.7310001.3491
1.5931.115001.3190
1.53361.4620001.2801
1.50811.8325001.2446
1.45472.1930001.2281
1.43582.5635001.2065
1.41212.9240001.1874
1.3963.2945001.1817
1.3833.6550001.1747
1.36624.0255001.1717
1.35454.3860001.1567
1.34414.7565001.1325

Framework versions

  • Transformers 4.18.0
  • Pytorch 1.9.0+cu102
  • Datasets 2.1.0
  • 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
cc410dc

0 моделей