/ Модель
Каталог

Характеристики

Контекст
512 токенов
Параметры
129 млн
Лицензия
Apache 2.0
Архитектура
bert · dense

Ссылки

Hugging Face

chinese-bert-wwm-chinese_bert_wwm3

soikit
Генерация текстаТекст → текст3 профессии

Дообученная китайская BERT-модель для генерации текста с контекстом до 512 токенов.

110скачиваний за 30 дней0лайковвеса обновлены22 окт 2021

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

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

soikit/chinese-bert-wwm-chinese_bert_wwm3 — дообученная версия китайской модели hfl/chinese-bert-wwm с архитектурой BERT и головой языкового моделирования BertLMHeadModel. Она предназначена для генерации текста; в карточке не описаны конкретные сценарии, обучающие данные или методика оценки. Модель содержит 129,5 млн параметров, принимает текст с контекстом до 512 токенов и распространяется в формате PyTorch.

Карточка сообщает нулевое значение loss на оценочном наборе, но не приводит подробностей, позволяющих оценить качество результата. Лицензия — Apache-2.0. По названию базовой модели она ориентирована на китайский язык.

Сценарии применения

  • генерация текста на китайском языке
  • продолжение китайского текста по заданному фрагменту
  • эксперименты с генерацией текста на основе BERT

Ограничения

Карточка не описывает обучающие данные, целевые сценарии и ограничения применения; указанное значение loss 0.0000 не сопровождается деталями оценки.

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 385моделейII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейI.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

chinese-bert-wwm-chinese_bert_wwm3

This model is a fine-tuned version of hfl/chinese-bert-wwm on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.0000

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: 64
  • eval_batch_size: 64
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 30.0

Training results

Training LossEpochStepValidation Loss
No log1.0720.4251
No log2.01440.0282
No log3.02160.0048
No log4.02880.0018
No log5.03600.0011
No log6.04320.0006
0.4837.05040.0004
0.4838.05760.0004
0.4839.06480.0002
0.48310.07200.0002
0.48311.07920.0002
0.48312.08640.0001
0.48313.09360.0001
0.003114.010080.0001
0.003115.010800.0001
0.003116.011520.0001
0.003117.012240.0001
0.003118.012960.0001
0.003119.013680.0001
0.003120.014400.0001
0.001521.015120.0001
0.001522.015840.0001
0.001523.016560.0001
0.001524.017280.0001
0.001525.018000.0000
0.001526.018720.0001
0.001527.019440.0000
0.00128.020160.0000
0.00129.020880.0000
0.00130.021600.0000

Framework versions

  • Transformers 4.11.3
  • Pytorch 1.9.1
  • Datasets 1.13.3
  • Tokenizers 0.10.3

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
BertLMHeadModel
Ревизия весов
187d2eb

0 моделей

    Создать бенчмарк