/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
137 млн
Лицензия
Apache 2.0
Архитектура
m2_bert · dense
Опубликована
4 ноя 2023

m2-bert-80M-32k

Классификация текстаТекст → label3 профессии

Англоязычная предварительно обученная модель M2-BERT с контекстом до 32 768 токенов для адаптации к задачам заполнения пропусков и классификации длинных текстов.

380скачиваний за 30 дней11лайковвеса 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

togethercomputer/m2-bert-80M-32k — англоязычная модель семейства M2-BERT от Together Computer, обученная Jon Saad-Falcon, Dan Fu и Simran Arora. Это BERT-подобная модель с архитектурой Monarch Mixer, представленная в варианте примерно на 80 млн параметров и предварительно обученная на последовательностях длиной до 32 768 токенов. В метаданных Hugging Face указано 136,7 млн параметров; модель доступна в формате PyTorch и распространяется по лицензии Apache-2.0.

Чекпойнт предназначен для задач на длинных текстах и требует дообучения под конкретное применение. Его можно адаптировать для заполнения пропусков в тексте и классификации текста; материалы проекта также связывают обучение модели с исследованиями retrieval для длинных последовательностей. Модель не дообучена под прикладные сценарии, поэтому её качество в них зависит от последующей настройки.

Сценарии применения

  • заполнение пропущенных слов в длинных англоязычных текстах
  • дообучение классификатора для длинных документов
  • адаптация BERT-подобной модели для анализа последовательностей до 32 768 токенов

Ограничения

Модель не дообучена для прикладных задач; перед использованием её рекомендуется настроить под конкретный сценарий. README называет вариант 80M, тогда как метаданные указывают 136,7 млн параметров.

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

Monarch Mixer-BERT

An 80M checkpoint of M2-BERT, pretrained with sequence length 32768. 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-32k-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
b6752c3

0 моделей