/ Модель

Характеристики

Контекст
2 050 токенов
Параметры
114 млн
Архитектура
roberta · dense

tavbert-he

Заполнение пропусковТекст → текст3 профессии

TavBERT — символьная модель RoBERTa для восстановления замаскированных фрагментов в ивритском тексте.

57скачиваний за 30 дней4лайкавеса обновлены8 фев 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

TavBERT — ивритоязычная модель семейства RoBERTa, разработанная как базовая языковая модель с маскированием токенов. Она обрабатывает текст на уровне символов и предварительно обучена предсказывать замаскированные фрагменты символов по подходу, близкому к SpanBERT. Модель содержит 113,5 млн параметров и рассчитана на контекст до 2050 токенов.

Модель предназначена для восстановления пропущенных фрагментов в ивритском тексте и как базовая модель для задач понимания языка, требующих заполнения масок. Для предобучения использован ивритский раздел OSCAR: около 10 ГБ текста и 20 млн предложений. Доступны веса в формате PyTorch; лицензия в предоставленных данных не указана.

Сценарии применения

  • восстановление пропущенных слов и фрагментов в тексте на иврите
  • предсказание замаскированных фрагментов символов
  • предобучение моделей для понимания иврита

Ограничения

Модель предназначена для иврита и предобучалась на корпусе OSCAR; её качество на других языках и вне сценариев заполнения масок не установлено.

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

TavBERT base model

A Hebrew BERT-style masked language model operating over characters, pre-trained by masking spans of characters, similarly to SpanBERT (Joshi et al., 2020).

How to use

import numpy as np
import torch
from transformers import AutoModelForMaskedLM, AutoTokenizer

model = AutoModelForMaskedLM.from_pretrained("tau/tavbert-he")
tokenizer = AutoTokenizer.from_pretrained("tau/tavbert-he")

def mask_sentence(sent, span_len=5):
    start_pos = np.random.randint(0, len(sent) - span_len)
    masked_sent = sent[:start_pos] + '[MASK]' * span_len + sent[start_pos + span_len:]
    print("Masked sentence:", masked_sent)
    output = model(**tokenizer.encode_plus(masked_sent, 
                                           return_tensors='pt'))['logits'][0][1:-1]
    preds = [int(x) for x in torch.argmax(torch.softmax(output, axis=1), axis=1)[start_pos:start_pos + span_len]]
    pred_sent = sent[:start_pos] + ''.join(tokenizer.convert_ids_to_tokens(preds)) + sent[start_pos + span_len:]
    print("Model's prediction:", pred_sent)

Training data

OSCAR (Ortiz, 2019) Hebrew section (10 GB text, 20 million sentences).

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
41265b0

0 моделей