/ Модель

Характеристики

Контекст
514 токенов
Параметры
152 млн
Лицензия
AGPL 3.0
Архитектура
xlm-roberta · dense
Опубликована
2 мар 2022

ScandiBERT

Заполнение пропусковТекст → текст3 профессии

ScandiBERT — модель XLM-RoBERTa для предсказания пропущенных слов в текстах на скандинавских языках.

1 488скачиваний за 30 дней5лайковвеса обновлены26 июл 2026

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

ScandiBERT — многоязычная модель семейства XLM-RoBERTa, разработанная для работы с текстами на скандинавских языках. Она обучена на крупных корпусах датского, фарерского, исландского, норвежского и шведского языков. В карточке указано, что модель занимала первое место в рейтинге ScandEval на момент обновления описания.

Модель содержит 151,7 млн параметров, принимает текстовые последовательности длиной до 514 токенов и предназначена для задачи fill-mask: предсказания пропущенного токена в тексте. Обучение проводилось на данных нескольких языков, включая Danish Gigaword, NCC и корпуса исландского текста. Доступны веса в форматах PyTorch и safetensors.

Модель может быть полезна для языкового анализа и экспериментов со скандинавскими языками, в частности для восстановления пропущенных слов и оценки контекстных языковых представлений. Лицензия AGPL-3.0.

Сценарии применения

  • восстановление пропущенных слов в датском тексте
  • восстановление пропущенных слов в исландском тексте
  • восстановление пропущенных слов в норвежском и шведском тексте
  • проверка контекстной сочетаемости слов на фарерском языке

Ограничения

Контекст ограничен 514 токенами. Указанное первое место в ScandEval относится к состоянию рейтинга на момент обновления карточки и не гарантирует текущего превосходства.

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

ScandiBERT

Note note: The model has been updated on 2022-09-27

The model was trained on the data shown in the table below. Batch size was 8.8k, the model was trained for 72 epochs on 24 V100 cards for about 2 weeks.

LanguageDataSize
IcelandicSee IceBERT paper16 GB
DanishDanish Gigaword Corpus (incl Twitter)4,7 GB
NorwegianNCC corpus42 GB
SwedishSwedish Gigaword Corpus3,4 GB
FaroeseFC3 + Sosialurinn + Bible69 MB

Note: At an earlier date a half trained model went up here, it has since been removed. The model has since been updated.

This is a Scandinavian BERT model trained on a large collection of Danish, Faroese, Icelandic, Norwegian and Swedish text. It is currently the highest ranking model on the ScandEval leaderbord https://scandeval.github.io/pretrained/

If you find this model useful, please cite

@inproceedings{snaebjarnarson-etal-2023-transfer,
    title = "{T}ransfer to a Low-Resource Language via Close Relatives: The Case Study on Faroese",
    author = "Snæbjarnarson, Vésteinn  and
      Simonsen, Annika  and
      Glavaš, Goran  and
      Vulić, Ivan",
    booktitle = "Proceedings of the 24th Nordic Conference on Computational Linguistics (NoDaLiDa)",
    month = "may 22--24",
    year = "2023",
    address = "Tórshavn, Faroe Islands",
    publisher = {Link{\"o}ping University Electronic Press, Sweden},
}

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
XLMRobertaForMaskedLM
Ревизия весов
547e994

0 моделей