/ Модель

Характеристики

Контекст
512 токенов
Параметры
137 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Базовая модель
KUCI_Bert_Base_Finetuned
Опубликована
3 июн 2024

COPA_KUCI_Bert_Base_Uncased_Finetuned

Классификация и разметкаТекст → label

Дообученная BERT-модель для выбора наиболее подходящего ответа из нескольких вариантов.

8скачиваний за 30 дней0лайковвеса обновлены3 июн 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

COPA_KUCI_Bert_Base_Uncased_Finetuned — дообученная модель BERT от Ariffiq99 для выбора одного ответа из нескольких вариантов. Она содержит 136,7 млн параметров, принимает текст и рассчитана на контекст до 512 токенов. Модель построена на базе Ariffiq99/KUCI_Bert_Base_Finetuned и сохранена в формате safetensors.

Карточка сообщает результаты оценки: loss 0,7391 и F1 0,7291. Датасет, назначение вариантов выбора и языки в доступном описании не раскрыты, поэтому область применения и качество на конкретных задачах по этим сведениям определить нельзя. Лицензия — Apache-2.0.

Сценарии применения

  • выбор правильного ответа в тесте с вариантами
  • ранжирование вариантов ответа на текстовый вопрос
  • классификация примера по одному из предложенных вариантов

Ограничения

Датасет и конкретная предметная область не указаны; результаты оценки приведены без описания протокола и тестового набора. Поддерживаемые языки по доступным сведениям определить нельзя.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

COPA_KUCI_Bert_Base_Uncased_Finetuned

This model is a fine-tuned version of Ariffiq99/KUCI_Bert_Base_Finetuned on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 0.7391
  • F1: 0.7291

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: 1e-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: 10

Training results

Training LossEpochStepValidation LossF1
No log1.0630.61900.7012
No log2.01260.63310.7090
No log3.01890.69790.7280
No log4.02520.67670.7228
No log5.03150.70290.7258
No log6.03780.71620.7288
No log7.04410.71500.7351
0.18748.05040.72400.7213
0.18749.05670.73360.7265
0.187410.06300.73910.7291

Framework versions

  • Transformers 4.41.1
  • Pytorch 2.3.0+cu121
  • Datasets 2.19.1
  • 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
0299af6

0 моделей