🚀 Glot500（基础尺寸模型）

Glot500模型（Glot500 - m）使用掩码语言建模（MLM）目标在500多种语言上进行了预训练。该模型在 这篇论文（ACL 2023）中被提出，并首次在 这个仓库 中发布。

🚀 快速开始

Glot500模型可用于处理500多种语言，通过掩码语言建模目标进行预训练，为多语言处理任务提供支持。

✨ 主要特性

• 多语言支持：支持500 + 种语言。
• 评估指标丰富：使用准确率、F1值和困惑度等指标进行评估。
• 适用库：基于transformers库。
• 任务类型：适用于掩码填充任务。

💻 使用示例

基础用法

你可以直接使用此模型进行掩码语言建模：

>>> from transformers import pipeline
>>> unmasker = pipeline('fill-mask', model='cis-lmu/glot500-base')
>>> unmasker("Hello I'm a <mask> model.")

高级用法

以下是如何在PyTorch中使用此模型获取给定文本的特征：

>>> from transformers import AutoTokenizer, AutoModelForMaskedLM

>>> tokenizer = AutoTokenizer.from_pretrained('cis-lmu/glot500-base')
>>> model = AutoModelForMaskedLM.from_pretrained("cis-lmu/glot500-base")

>>> # prepare input
>>> text = "Replace me by any text you'd like."
>>> encoded_input = tokenizer(text, return_tensors='pt')

>>> # forward pass
>>> output = model(**encoded_input)

📄 许可证

本项目采用Apache - 2.0许可证。

BibTeX引用

@article{imanigooghari-etal-2023-glot500,
  title={Glot500: Scaling Multilingual Corpora and Language Models to 500 Languages},
  author={ImaniGooghari, Ayyoob  and Lin, Peiqin  and Kargaran, Amir Hossein  and Severini, Silvia  and Jalili Sabet, Masoud  and Kassner, Nora  and Ma, Chunlan  and Schmid, Helmut  and Martins, Andr{\'e}  and Yvon, Fran{\c{c}}ois  and Sch{\"u}tze, Hinrich},
  journal={arXiv preprint arXiv:2305.12182},
  year={2023}
}