Характеристики

Контекст: 512 токенов
Параметры: 137 млн
Лицензия: Apache 2.0
Архитектура: bert · dense
Базовая модель: bert-base-uncased
Опубликована: 10 июл 2024

Ссылки

Hugging Face

bert-base-uncased-finetuned-swag

7k8k7

Классификация и разметкаТекст → label3 профессии

Дообученная модель BERT для выбора подходящего ответа из нескольких вариантов по текстовому контексту.

12скачиваний за 30 дней0лайковвеса обновлены12 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

Модель 7k8k7/bert-base-uncased-finetuned-swag — дообученная версия BERT-base-uncased от Google для задачи multiple choice: она оценивает варианты ответа в контексте и выбирает наиболее подходящий. Модель содержит 136,7 млн параметров, использует архитектуру BertForMultipleChoice и принимает текстовые входные данные с максимальной длиной контекста 512 токенов.

В README приведены результаты оценки: accuracy 0,8005 и loss 0,8480; обучающий датасет не установлен. Модель распространяется по лицензии Apache-2.0. Карточка не описывает дополнительные сценарии применения и ограничения качества.

Сценарии применения

выбор логичного продолжения предложения из вариантов
ответы на вопросы с несколькими вариантами
оценка вариантов ответа в заданном контексте

Ограничения

Обучающий датасет не указан. Результаты оценки приведены без описания тестовой выборки и протокола.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель I.12Универсальные способностиРекомендации и персонализацияAI помогает подбирать релевантные варианты и адаптировать опыт под конкретного человека или ситуацию.15 задач7 627моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

bert-base-uncased-finetuned-swag

This model is a fine-tuned version of bert-base-uncased on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.8480
Accuracy: 0.8005

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: 5e-05
train_batch_size: 16
eval_batch_size: 16
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 3

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
No log	1.0	147	0.5757	0.8485
No log	2.0	294	1.1518	0.7637
No log	3.0	441	0.8480	0.8005

Framework versions

Transformers 4.42.3
Pytorch 2.3.1+cpu
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 · multiple-choice

Можно запустить

Подбираем GPU…

Класс архитектуры: BertForMultipleChoice
Ревизия весов: ffe7865