Характеристики

Контекст: 514 токенов
Параметры: 95,2 млн
Лицензия: Apache 2.0
Архитектура: roberta · dense
Опубликована: 14 июл 2022

Ссылки

Hugging Face

distilroberta-base-wiki-mark

yochen

Заполнение пропусковТекст → текст3 профессии

Компактная модель RoBERTa для предсказания пропущенных токенов в тексте.

84скачиваний за 30 дней0лайковвеса обновлены25 июл 2022

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

yochen/distilroberta-base-wiki-mark — модель на базе RoBERTa, дообученная для заполнения пропусков в тексте: она предсказывает вероятные токены на месте маски. В карточке указано 95,2 млн параметров; модель использует PyTorch и принимает последовательности длиной до 514 токенов.

Модель подходит для восстановления скрытых слов и анализа контекста вокруг пропуска. README сообщает о дообучении на наборе данных, название которого не приведено, и приводит значение eval_loss 2,2695; описания обучающих данных и подробных результатов нет. Лицензия — Apache 2.0.

Сценарии применения

подстановка вероятного слова вместо маски в предложении
восстановление скрытых фрагментов текста
оценка вариантов заполнения пропуска по контексту

Ограничения

README не раскрывает обучающий набор данных и не приводит подробных оценок качества; язык модели в доступных сведениях не установлен. Максимальная длина контекста составляет 514 токенов.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

distilroberta-base-wiki-mark

This model is a fine-tuned version of yochen/distilroberta-base-wiki-mark on the None dataset. It achieves the following results on the evaluation set:

eval_loss: 2.2695
eval_runtime: 4.3489
eval_samples_per_second: 431.836
eval_steps_per_second: 54.037
epoch: 10.1
step: 20489

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: 5000

Framework versions

Transformers 4.20.1
Pytorch 1.12.0+cu102
Datasets 2.3.2
Tokenizers 0.12.1

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: b5be272