/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
152 млн
Архитектура
yoso · dense

yoso-4096

Заполнение пропусковТекст → текст3 профессии

YOSO-4096 — текстовая модель маскированного языкового моделирования с эффективным механизмом внимания для обработки последовательностей длиной до 4096 токенов.

9 893скачиваний за 30 дней0лайковвеса обновлены12 янв 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

YOSO-4096 — модель для маскированного языкового моделирования, опубликованная uw-madison и основанная на архитектуре YOSO, описанной Zhanpeng Zeng, Yunyang Xiong, Sathya N. Ravi, Shailesh Acharya, Glenn Fung и Vikas Singh. Она содержит 151,8 млн параметров и рассчитана на последовательности длиной до 4096 токенов. Модель принимает текст с замаскированными токенами и предсказывает их содержимое.

YOSO использует механизм внимания на основе выборки Бернулли и locality-sensitive hashing, предназначенный для снижения вычислительной сложности внимания при работе с длинными последовательностями. Это подходит для восстановления пропусков в тексте и задач, построенных на маскированном языковом моделировании. В README приведены результаты на GLUE и Long Range Arena, включая ускорение и снижение расхода памяти на длинных последовательностях.

В репозитории указаны веса PyTorch. В метаданных и README лицензия и конкретный список языков не приведены; модель предназначена для обработки текста. Описанные результаты относятся к экспериментальной оценке метода и не гарантируют качество на произвольных задачах.

Сценарии применения

  • восстановление замаскированных слов в предложении
  • предсказание пропущенных токенов в длинном тексте
  • оценка архитектур эффективного внимания на длинных последовательностях

Ограничения

В карточке не перечислены поддерживаемые языки и не указана лицензия. Приведённые оценки относятся к GLUE и Long Range Arena; качество на других задачах 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

YOSO

YOSO model for masked language modeling (MLM) for sequence length 4096.

About YOSO

The YOSO model was proposed in You Only Sample (Almost) Once: Linear Cost Self-Attention Via Bernoulli Sampling by Zhanpeng Zeng, Yunyang Xiong, Sathya N. Ravi, Shailesh Acharya, Glenn Fung, Vikas Singh.

The abstract from the paper is the following:

Transformer-based models are widely used in natural language processing (NLP). Central to the transformer model is the self-attention mechanism, which captures the interactions of token pairs in the input sequences and depends quadratically on the sequence length. Training such models on longer sequences is expensive. In this paper, we show that a Bernoulli sampling attention mechanism based on Locality Sensitive Hashing (LSH), decreases the quadratic complexity of such models to linear. We bypass the quadratic cost by considering self-attention as a sum of individual tokens associated with Bernoulli random variables that can, in principle, be sampled at once by a single hash (although in practice, this number may be a small constant). This leads to an efficient sampling scheme to estimate self-attention which relies on specific modifications of LSH (to enable deployment on GPU architectures). We evaluate our algorithm on the GLUE benchmark with standard 512 sequence length where we see favorable performance relative to a standard pretrained Transformer. On the Long Range Arena (LRA) benchmark, for evaluating performance on long sequences, our method achieves results consistent with softmax self-attention but with sizable speed-ups and memory savings and often outperforms other efficient self-attention methods. Our code is available at this https URL

Usage

>>> from transformers import pipeline
>>> unmasker = pipeline('fill-mask', model='uw-madison/yoso-4096')
>>> unmasker("Paris is the [MASK] of France.")

[{'score': 0.024274500086903572,
  'token': 812,
  'token_str': ' capital',
  'sequence': 'Paris is the capital of France.'},
 {'score': 0.022863076999783516,
  'token': 3497,
  'token_str': ' Republic',
  'sequence': 'Paris is the Republic of France.'},
 {'score': 0.01383623294532299,
  'token': 1515,
  'token_str': ' French',
  'sequence': 'Paris is the French of France.'},
 {'score': 0.013550693169236183,
  'token': 2201,
  'token_str': ' Paris',
  'sequence': 'Paris is the Paris of France.'},
 {'score': 0.011591030284762383,
  'token': 270,
  'token_str': ' President',
  'sequence': 'Paris is the President of France.'}]

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
YosoForMaskedLM
Ревизия весов
51a6426

0 моделей