Модель XLM-RoBERTa Large, дообученная на SQuAD и SberQuAD для извлечения ответов на вопросы из русских и английских текстов.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
AlexKay/xlm-roberta-large-qa-multilingual-finedtuned-ru — модель XLM-RoBERTa Large, дообученная для ответов на вопросы на наборах SQuAD и SberQuAD. Она принимает текст вопроса и контекста и предназначена для извлечения ответа из предоставленного текста, в том числе для русскоязычных сценариев. Архитектура — плотный трансформер XLM-RoBERTa с 658,7 млн параметров; максимальная длина контекста — 514 токенов. В карточке указаны результаты на SberQuAD: F1 84,3 и exact match 65,3.
Модель подходит для русских и английских задач вопросно-ответного поиска по текстам. Лицензия — Apache-2.0. Её ответы ограничены сведениями в переданном контексте, а длина обрабатываемого текста ограничена контекстом модели.
Модель отвечает по переданному контексту и не предназначена для свободных ответов без него. Максимальная длина контекста составляет 514 токенов.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
Pretrained model using a masked language modeling (MLM) objective. Fine tuned on English and Russian QA datasets
SQuAD + SberQuAD
SberQuAD original paper is here! Recommend to read!
The results obtained are the following (SberQUaD):
f1 = 84.3
exact_match = 65.3
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · question-answering
Подбираем GPU…