/ Модель

Характеристики

Контекст
8 192 токена
Параметры
137 млн
Лицензия
Apache 2.0
Архитектура
m2_bert · dense
Опубликована
2 ноя 2023

m2-bert-80M-8k

Классификация текстаТекст → label3 профессии

Предварительно обученная англоязычная модель M2-BERT на базе Monarch Mixer для заполнения пропусков в длинных текстах и последующего дообучения.

298скачиваний за 30 дней4лайкавеса 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 80M — англоязычная модель в стиле BERT, обученная Together Computer на основе архитектуры Monarch Mixer. Это предварительно обученный, не дообученный чекпойнт с контекстом до 8192 токенов; он предназначен для заполнения пропусков в тексте и может служить основой для дообучения под конкретные задачи. В метаданных указано 136,7 млн параметров, формат PyTorch и лицензия Apache-2.0.

Модель поддерживает обработку длинных последовательностей и подходит для адаптации к задачам классификации текста и другим сценариям на основе BERT. Перед прикладным использованием авторы рекомендуют дообучить её для целевой задачи. Карточка не приводит оценки качества или результаты бенчмарков.

Сценарии применения

  • заполнение пропущенных слов в англоязычном тексте
  • дообучение классификатора длинных текстов
  • адаптация BERT-модели к задачам обработки последовательностей до 8192 токенов

Ограничения

Модель не прошла дообучение под прикладные задачи; авторы рекомендуют дообучить её перед использованием. В карточке не приведены результаты бенчмарков.

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 8192. 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-8k-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
ede5a83

0 моделей