Характеристики

Контекст: 512 токенов
Параметры: 49,9 млн
Лицензия: MIT
Архитектура: xlm-roberta · dense
Базовая модель: xlm-roberta-base
Библиотека: transformers
Опубликована: 5 янв 2025

Ссылки

roberta-medium-amharic-32k-256

Заполнение пропусковТекст → текст3 профессии

Дообученная модель XLM-RoBERTa для восстановления замаскированных токенов, ориентированная по названию на амхарский язык.

20скачиваний за 30 дней0лайковвеса обновлены5 янв 2025

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

roberta-medium-amharic-32k-256 — дообученная на неизвестном наборе данных модель FacebookAI/xlm-roberta-base для восстановления замаскированных токенов. Она построена на архитектуре XLM-RoBERTa и содержит 49,9 млн параметров; поддерживает контекст до 512 токенов и сохранена в формате safetensors. Название указывает на ориентацию на амхарский язык, однако подробностей о данных и языковом покрытии карточка не приводит.

Модель подходит для предсказания пропущенных слов в амхарском тексте и получения контекстных представлений для последующих NLP-задач. На оценочной выборке указана потеря eval_loss 2.4919, но без описания набора данных и методики эта метрика не позволяет надёжно судить о качестве в реальных сценариях. Лицензия — MIT.

Сценарии применения

предсказание пропущенного слова в амхарском предложении
восстановление замаскированных токенов в тексте
получение контекстных представлений амхарского текста для NLP

Ограничения

Обучающий набор данных не описан, поэтому качество и область применимости трудно оценить. Указанная метрика eval_loss приведена без сведений о составе и методике оценки.

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.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

roberta-medium-amharic-32k-256

This model is a fine-tuned version of FacebookAI/xlm-roberta-base on an unknown dataset. It achieves the following results on the evaluation set:

eval_loss: 2.4919
eval_model_preparation_time: 0.0026
eval_runtime: 7.3503
eval_samples_per_second: 2968.467
eval_steps_per_second: 11.7
epoch: 31.1537
step: 273405

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: 256
eval_batch_size: 256
seed: 42
optimizer: Use adamw_torch with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
lr_scheduler_warmup_ratio: 0.1
lr_scheduler_warmup_steps: 10000
num_epochs: 32
mixed_precision_training: Native AMP

Framework versions

Transformers 4.47.1
Pytorch 2.5.1+cu121
Datasets 3.2.0
Tokenizers 0.21.0

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры: XLMRobertaForMaskedLM
Ревизия весов: 2eb0278