/ Модель

Характеристики

Контекст
514 токенов
Параметры
152 млн
Лицензия
CC BY 4.0
Архитектура
roberta · dense
Опубликована
2 мар 2022

IceBERT

Заполнение пропусковТекст → текст3 профессии

IceBERT — модель RoBERTa-base для исландского языка, предсказывающая замаскированные слова в тексте.

421скачиваний за 30 дней3лайкавеса обновлены21 окт 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

IceBERT — языковая модель для исландского языка, обученная на архитектуре RoBERTa-base с помощью fairseq. Она предназначена для предсказания замаскированных слов в тексте исландского языка и может использоваться в задачах заполнения пропусков и анализа контекста слов. Модель содержит 151,6 млн параметров и поддерживает контекст длиной до 514 токенов.

Для обучения использованы Icelandic Gigaword Corpus, Icelandic Common Crawl Corpus (IC3) и статьи Greynir News. В репозитории доступны веса PyTorch и Safetensors. Лицензия — CC BY 4.0.

Сценарии применения

  • Заполнение пропусков в исландских текстах
  • Подбор вероятного слова по контексту
  • Анализ контекстуальных связей между словами на исландском языке

Ограничения

Модель ориентирована на исландский язык и обучалась на указанных корпусах, поэтому её пригодность для других языков и узкоспециализированных областей не установлена. Контекст ограничен 514 токенами.

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

IceBERT

IceBERT was trained with fairseq using the RoBERTa-base architecture. The training data used is shown in the table below.

DatasetSizeTokens
Icelandic Gigaword Corpus v20.05 (IGC)8.2 GB1,388M
Icelandic Common Crawl Corpus (IC3)4.9 GB824M
Greynir News articles456 MB76M
Icelandic Sagas9 MB1.7M
Open Icelandic e-books (Rafbókavefurinn)14 MB2.6M
Data from the medical library of Landspitali33 MB5.2M
Student theses from Icelandic universities (Skemman)2.2 GB367M
Total15.8 GB2,664M

If you find this model useful, please cite

@inproceedings{snaebjarnarson-etal-2022-warm,
    title = "A Warm Start and a Clean Crawled Corpus - A Recipe for Good Language Models",
    author = "Sn{\ae}bjarnarson, V{\'e}steinn  and
      S{\'\i}monarson, Haukur Barri  and
      Ragnarsson, P{\'e}tur Orri  and
      Ing{\'o}lfsd{\'o}ttir, Svanhv{\'\i}t Lilja  and
      J{\'o}nsson, Haukur  and
      Thorsteinsson, Vilhjalmur  and
      Einarsson, Hafsteinn",
    booktitle = "Proceedings of the Thirteenth Language Resources and Evaluation Conference",
    month = jun,
    year = "2022",
    address = "Marseille, France",
    publisher = "European Language Resources Association",
    url = "https://aclanthology.org/2022.lrec-1.464",
    pages = "4356--4366",
}

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
RobertaForMaskedLM
Ревизия весов
ff95197

0 моделей