/ Модель

Характеристики

Контекст
514 токенов
Параметры
62,8 млн
Лицензия
Apache 2.0
Архитектура
xlm-roberta · dense
Библиотека
transformers
Опубликована
22 июл 2024

xlm-roberta-khmer-small

Заполнение пропусковТекст → текст3 профессии

Компактная XLM-RoBERTa, обученная для заполнения пропусков в кхмерском тексте.

1 626скачиваний за 30 дней1лайквеса обновлены22 июл 2024

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

seanghay/xlm-roberta-khmer-small — компактная модель XLM-RoBERTa для кхмерского языка, разработанная seanghay и обученная с нуля методом masked language modeling на корпусе из 5 млн предложений, 162 млн слов и 578 тыс. уникальных слов. В метаданных указано 62,8 млн параметров; модель использует словарь размером 8 тыс. токенов и поддерживает контекст до 514 токенов.

Модель предназначена для заполнения пропусков в кхмерском тексте: она предсказывает замаскированные слова и подходит для языковых задач, построенных на таком представлении. Автор отмечает, что она компактнее xlm-roberta-base и лучше приспособлена к кхмерскому языку. Обучающие данные собраны с публичных новостных сайтов и Википедии.

Доступна в формате Safetensors и распространяется по лицензии Apache-2.0. Карточка показывает применение через библиотеку Transformers и pipeline fill-mask; сведений о других задачах и оценках качества не приводится.

Сценарии применения

  • предсказание замаскированных слов в кхмерских предложениях
  • подсказки при восстановлении пропущенных фрагментов кхмерского текста
  • создание обучающих упражнений по кхмерской лексике

Ограничения

Модель предназначена для кхмерского языка и обучена на ограниченном корпусе новостей и Википедии; качество на других жанрах и языках не описано. Контекст ограничен 514 токенами, а заявленные характеристики качества и сравнительные оценки отсутствуют.

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

XLMRoBERTa for Khmer Language

Training from scratch using Masked Language Modeling task on 5M Khmer sentences or 162M words or 578K unique words for 1M steps.

Training data is created by crawling publicly available publicly news sites and Wikipedia.

Why?

  1. xlm-roberta-base is big. (279M parameters, while this is only 49M parameters).
  2. xlm-roberta-base is not optimized for Khmer language.
  3. xlm-roberta-base Vocab size is bigger (250,002) and this model uses 8000 vocab size.

Usage

from transformers import pipeline

pipe = pipeline("fill-mask", "seanghay/xlm-roberta-khmer-small")

result = pipe("សួស្ដីកម្ពុ<mask>!")
print(result)
[
  {"score": 0.8130345344543457, "token": 11, "token_str": "ជា", "sequence": "សួស្ដីកម្ពុជា!"},
  {"score": 0.17512884736061096, "token": 160, "token_str": "ជ", "sequence": "សួស្ដីកម្ពុជ!"},
  {"score": 0.0034702506382018328, "token": 143, "token_str": "ជា", "sequence": "សួស្ដីកម្ពុ ជា!"},
  {"score": 0.00305828545242548, "token": 16, "token_str": "រ", "sequence": "សួស្ដីកម្ពុរ!"},
  {"score": 0.0007526700501330197, "token": 133, "token_str": "គ", "sequence": "សួស្ដីកម្ពុគ!"},
]

License

Apache-2.0

Citation

No need. :)

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры
XLMRobertaForMaskedLM
Ревизия весов
47dc124

0 моделей