Характеристики

Контекст: 514 токенов
Параметры: 152 млн
Лицензия: MIT
Архитектура: roberta · dense
Базовая модель: robbert-2023-dutch-base
Опубликована: 7 июл 2024

Ссылки

Hugging Face

robbert-cosmetic-v2-finetuned

ymelka

Заполнение пропусковТекст → текст

Дообученная нидерландская RoBERTa предсказывает замаскированные слова и ориентирована на косметический контекст.

5скачиваний за 30 дней0лайковвеса обновлены7 июл 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

ymelka/robbert-cosmetic-v2-finetuned — дообученная модель RoBERTa для нидерландского языка, разработанная на основе DTAI-KULeuven/robbert-2023-dutch-base. Она предсказывает замаскированные слова в тексте и может применяться для восстановления пропусков или подстановки вариантов слова в косметическом контексте, что следует из названия модели.

Модель содержит 151,6 млн параметров, сохранена в формате safetensors и принимает контекст длиной до 514 токенов. В README указан результат Loss 0,8067 на оценочном наборе, но обучающий и оценочный датасеты не названы, а подробные сведения о назначении и ограничениях отсутствуют. Лицензия — MIT.

Сценарии применения

восстановление пропущенных слов в нидерландском тексте о косметике
подбор вариантов слов в описаниях косметической продукции
анализ маскированных фрагментов косметических текстов

Ограничения

Датасет обучения не указан, поэтому качество и охват косметической тематики оценить нельзя. В README приведён только loss 0,8067 без подробностей об оценочном наборе.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

robbert-cosmetic-v2-finetuned

This model is a fine-tuned version of DTAI-KULeuven/robbert-2023-dutch-base on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.8067

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: 2e-05
train_batch_size: 8
eval_batch_size: 8
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 3.0
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss
1.1115	1.0	1138	0.9439
0.9211	2.0	2276	0.8347
0.8507	3.0	3414	0.8025

Framework versions

Transformers 4.42.3
Pytorch 2.3.0+cu121
Datasets 2.20.0
Tokenizers 0.19.1

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: 12eb966