Характеристики

Контекст: 512 токенов
Параметры: 38,5 млн
Лицензия: Apache 2.0
Архитектура: t5 · dense
Базовая модель: t5-small
Библиотека: transformers
Опубликована: 12 сен 2026

Ссылки

Hugging Face

t5-small-finetuned-squad

Adnan2942

Ответы на вопросыТекст → текст4 профессии

Компактная англоязычная модель T5, дообученная на SQuAD для извлечения ответов на вопросы из текстового контекста.

71скачиваний за 30 дней0лайковвеса обновлены13 сен 2026

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

Adnan2942/t5-small-finetuned-squad — компактная модель семейства T5, дообученная на наборе rajpurkar/squad для ответов на вопросы. Она принимает вопрос и текстовый контекст и формирует текстовый ответ; модель подходит для извлечения ответов из предоставленных фрагментов текста. Архитектура — T5ForQuestionAnswering, размер — 38,5 млн параметров, базовая модель — google-t5/t5-small. Модель доступна в формате safetensors и рассчитана на контекст до 512 токенов.

Модель разработал пользователь Hugging Face Adnan2942; базовая модель создана Google. Она предназначена для англоязычных задач в стиле SQuAD, где ответ нужно найти в контексте. Лицензия — Apache-2.0. Карточка не содержит результатов оценки или подробных ограничений; качество на других языках, доменах и типах вопросов не подтверждено.

Сценарии применения

поиск ответа на вопрос в предоставленном тексте
создание системы вопросов и ответов по коротким англоязычным документам
извлечение фактов из контекста в стиле SQuAD

Ограничения

Карточка не приводит результатов оценки и не подтверждает качество вне задач и данных формата SQuAD. Контекст ограничен 512 токенами.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.1Универсальные способностиПоиск и навигация по информацииAI помогает находить нужные сведения и помогать человеку быстро переходить от вопроса к подтверждённому источнику.18 задач13 467моделей I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель 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

t5-small-finetuned-squad

This model is a fine-tuned version of google-t5/t5-small on rajpurkar/squad dataset.

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

rajpurkar/squad

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

learning_rate: 2e-05
train_batch_size: 32
eval_batch_size: 16
seed: 42
optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
num_epochs: 3
mixed_precision_training: Native AMP

Training results

Framework versions

Transformers 5.0.0
Pytorch 2.10.0+cu128
Datasets 5.0.0
Tokenizers 0.22.2

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · question-answering

Можно запустить

Подбираем GPU…

Класс архитектуры: T5ForQuestionAnswering
Ревизия весов: 521e807