Характеристики

Контекст: 514 токенов
Параметры: 33,5 млн
Архитектура: roberta · dense
Опубликована: 17 мар 2022

Ссылки

Hugging Face

MiniLMv2-L6-H384-distilled-from-RoBERTa-Large-finetuned-wikitext103

saghar

Заполнение пропусковТекст → текст3 профессии

Компактная модель MiniLMv2, дообученная на WikiText для предсказания пропущенных токенов в тексте.

70скачиваний за 30 дней0лайковвеса обновлены18 мар 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

Модель saghar/MiniLMv2-L6-H384-distilled-from-RoBERTa-Large-finetuned-wikitext103 — дообученная на WikiText версия MiniLMv2-L6-H384, созданной дистилляцией RoBERTa-Large. Она предназначена для задачи fill-mask: предсказания пропущенного токена в тексте. Архитектура — RoBERTa для masked language modeling, около 33,5 млн параметров; максимальный контекст — 514 токенов. Модель доступна в формате PyTorch.

В карточке приведена оценка loss 4,8236 на тестовой выборке. Язык обучения и лицензия в предоставленных данных не указаны, поэтому область применимости и условия распространения по ним оценить нельзя.

Сценарии применения

подстановка пропущенных слов в предложениях
проверка контекстных вариантов слова
демонстрация задачи masked language modeling
оценка языковых моделей на данных WikiText

Ограничения

В карточке указана тестовая потеря 4,8236, но не приведены дополнительные оценки качества и подробности обучения. Язык модели и лицензия не установлены по предоставленным сведениям.

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.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

MiniLMv2-L6-H384-distilled-from-RoBERTa-Large-finetuned-wikitext103

This model is a fine-tuned version of nreimers/MiniLMv2-L6-H384-distilled-from-RoBERTa-Large on the wikitext dataset. It achieves the following results on the evaluation set:

Loss: 4.8236

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: 32
eval_batch_size: 32
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 3.0

Training results

Training Loss	Epoch	Step	Validation Loss
5.9694	1.0	3125	5.1757
5.2228	2.0	6250	4.8847
5.0653	3.0	9375	4.8236

Framework versions

Transformers 4.16.2
Pytorch 1.8.1
Datasets 1.11.0
Tokenizers 0.10.3

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: 6d32f75