Дообученная на MuRIL модель выделяет именованные сущности в текстах на маратхи, пенджаби и телугу.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
MuRIL-Naamapadam — модель распознавания именованных сущностей в текстах на маратхи, пенджаби и телугу. Она разработана на основе MuRIL от Google и дообучена для задачи NER; архитектура — BERT для классификации токенов, размер — 264,8 млн параметров, максимальная длина контекста — 512 токенов.
Модель выделяет сущности в предложениях на поддерживаемых языках; для проверки результатов доступен Hosted Inference API на странице модели. В README приведены F1: 0,8341 для маратхи, 0,8328 для телугу и 0,7334 для пенджаби. Указанная лицензия — Apache-2.0.
Качество различается между языками: F1 для пенджаби ниже, чем для маратхи и телугу. Контекст ограничен 512 токенами.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
This model is fine-tuned for NER in Marathi, Punjabi, and Telugu.
On the right side of this page, you will see a 'Hosted inference API' box. You can type any sentence in the supported languages there and click 'Compute' to see the entities identified in real-time!
| Language | F1 Score | Accuracy |
|---|---|---|
| Marathi | 0.8341 | 95.26% |
| Telugu | 0.8328 | 95.07% |
| Punjabi | 0.7334 | 94.32% |
link is : https://5ad6c64d003450d2f2.gradio.live
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · token-classification
Подбираем GPU…