%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
Efficient Mlm M0.40
RoBERTaアーキテクチャに基づくマスク言語モデルで、事前レイヤー正規化技術を採用し、マスキング比率がモデル性能に与える影響を調査
ダウンロード数 117
リリース時間 : 4/22/2022
モデル概要
このモデルは論文『マスク言語モデリングにおいて15%をマスクすべきか？』の実装であり、伝統的な15%マスキング比率の妥当性を研究し、事前レイヤー正規化技術を用いてトレーニングの安定性を向上
モデル特徴
事前レイヤー正規化
非標準的なレイヤー正規化位置を採用し、トレーニングの安定性とモデル性能を向上させる可能性あり
マスキング比率研究
異なるマスキング比率がモデル性能に与える影響を体系的に研究し、伝統的な15%マスキング比率の仮定に挑戦
効率的なトレーニング
モデル設計はトレーニング効率の問題を考慮（論文タイトル'DinkyTrain'より推測）
モデル能力
マスク言語モデリング
テキスト表現学習
テキスト分類
使用事例
自然言語処理研究
マスキング戦略研究
異なるマスキング比率が事前学習言語モデルの性能に与える影響を研究するために使用
論文では異なるマスキング比率での実験結果を報告
テキスト理解
テキスト分類
下流のテキスト分類タスクに使用可能
おすすめAIモデル
Llama 3 Typhoon V1.5x 8b Instruct
タイ語専用に設計された80億パラメータの命令モデルで、GPT-3.5-turboに匹敵する性能を持ち、アプリケーションシナリオ、検索拡張生成、制限付き生成、推論タスクを最適化
大規模言語モデル
Transformers 複数言語対応
Transformers 複数言語対応L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-TinyはSODAデータセットでトレーニングされた超小型対話モデルで、エッジデバイス推論向けに設計されており、体積はCosmo-3Bモデルの約2％です。
対話システム Transformers 英語
Transformers 英語C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
RoBERTaアーキテクチャに基づく中国語抽出型QAモデルで、与えられたテキストから回答を抽出するタスクに適しています。
質問応答システム 中国語
R
uer
2,694
98