/ Модель

Характеристики

Контекст
512 токенов
Параметры
136 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Базовая модель
bert-base-cased
Опубликована
18 мар 2024

bert-finetuned-combo-textbook-no-context

Заполнение пропусковТекст → текст3 профессии

Дообученная англоязычная BERT-модель для предсказания замаскированных слов и заполнения пропусков в тексте.

8скачиваний за 30 дней0лайковвеса обновлены18 мар 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

Это дообученная модель BERT для предсказания замаскированных слов в тексте. Она основана на англоязычной регистрозависимой google-bert/bert-base-cased, использует архитектуру BertForMaskedLM и содержит 135,5 млн параметров. Модель принимает текст и предсказывает пропущенные токены; максимальный контекст составляет 512 токенов.

Модель подходит для заполнения пропусков и экспериментов с задачами понимания текста на английском языке. В README указана оценка Loss 1,6241 на тестовом наборе, но сведения о данных, методике оценки и практических ограничениях отсутствуют. Лицензия — Apache-2.0.

Сценарии применения

  • заполнение пропусков в англоязычных предложениях
  • предсказание замаскированного слова по контексту
  • эксперименты с языковым моделированием на основе BERT

Ограничения

README не раскрывает обучающие данные и подробно не описывает ограничения модели; приведённый Loss 1,6241 невозможно интерпретировать без деталей тестового набора и методики оценки.

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

bert-finetuned-combo-textbook-no-context

This model is a fine-tuned version of google-bert/bert-base-cased on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 1.6241

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 0.0001
  • train_batch_size: 16
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 20

Training results

Training LossEpochStepValidation Loss
2.46521.024442.2878
2.24392.048882.2005
2.14223.073322.1331
2.05274.097762.0734
1.97345.0122202.0488
1.87526.0146641.9844
1.77577.0171081.9257
1.74788.0195521.8901
1.64699.0219961.8797
1.589410.0244401.8198
1.534111.0268841.7803
1.456312.0293281.7602
1.438513.0317721.7663
1.353414.0342161.7007
1.300715.0366601.6705
1.268916.0391041.6996
1.226817.0415481.6319
1.215218.0439921.6599
1.131719.0464361.6433
1.113320.0488801.6241

Framework versions

  • Transformers 4.38.2
  • Pytorch 1.13.1+cu116
  • Datasets 2.18.0
  • Tokenizers 0.15.2

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
BertForMaskedLM
Ревизия весов
451c7ca

0 моделей