/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
137 млн
Лицензия
Apache 2.0
Архитектура
m2_bert · dense
Опубликована
13 ноя 2023

m2-bert-80M-2k

Классификация текстаТекст → label5 профессий

Предобученная BERT-подобная модель Monarch Mixer с контекстом 2048 токенов для заполнения пропусков и дообучения под задачи обработки текста.

300скачиваний за 30 дней7лайковвеса обновлены9 янв 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

M2-BERT — плотная BERT-подобная модель с архитектурой Monarch Mixer, разработанная Jon Saad-Falcon, Dan Fu и Simran Arora. Это предобученный чекпойнт примерно на 136,7 млн параметров с контекстом до 2048 токенов; он распространяется в формате PyTorch и подходит для задач заполнения пропусков в тексте и последующего дообучения для конкретных применений.

Модель рассчитана на работу с последовательностями большой длины и может служить основой для классификации текста и других задач обработки текста после тонкой настройки. Авторы рекомендуют дообучить её перед применением. В README приведён пример загрузки через Transformers с AutoModelForMaskedLM и параметром trust_remote_code=True. Лицензия — Apache-2.0.

Сценарии применения

  • заполнение пропущенных слов в тексте
  • дообучение для классификации текста
  • адаптация BERT-подобной модели к длинным последовательностям

Ограничения

Модель не дообучена под конкретные задачи, поэтому перед применением авторы рекомендуют тонкую настройку. Для загрузки через Transformers в примере README используется trust_remote_code=True.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Monarch Mixer-BERT

An 80M checkpoint of M2-BERT, pretrained with sequence length 2048. This is a BERT-style model that has not been fine-tuned. We recommend fine-tuning it for specific use cases before using it.

Check out the paper Monarch Mixer: A Simple Sub-Quadratic GEMM-Based Architecture and our blog post on retrieval for more on how we trained this model for long sequence.

This model was trained by Jon Saad-Falcon, Dan Fu, and Simran Arora.

Check out our GitHub for instructions on how to download and fine-tune it!

How to use

You can load this model using Hugging Face AutoModel:

from transformers import AutoModelForMaskedLM
model = AutoModelForMaskedLM.from_pretrained(
  "togethercomputer/m2-bert-80M-2k-retrieval",
  trust_remote_code=True
)

You should expect to see a large error message about unused parameters for FlashFFTConv. If you'd like to load the model with FlashFFTConv, you can check out our GitHub.

Acknowledgments

Alycia Lee helped with AutoModel support.

Citation

If you use this model, or otherwise found our work valuable, you can cite us as follows:

@inproceedings{fu2023monarch,
  title={Monarch Mixer: A Simple Sub-Quadratic GEMM-Based Architecture},
  author={Fu, Daniel Y and Arora, Simran and Grogan, Jessica and Johnson, Isys and Eyuboglu, Sabri and Thomas, Armin W and Spector, Benjamin and Poli, Michael and Rudra, Atri and R{\'e}, Christopher},
  booktitle={Advances in Neural Information Processing Systems},
  year={2023}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · text-classification

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
BertForMaskedLM
Ревизия весов
3e061b6

0 моделей