/ Модель

Характеристики

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

COPA_KUCI_e_care_Bert_Base_Uncased_Finetuned

Классификация и разметкаТекст → label3 профессии

Дообученная модель BERT для выбора правильного ответа из нескольких вариантов.

10скачиваний за 30 дней0лайковвеса обновлены12 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 e-care BERT Base Uncased Finetuned — модель BERT, дообученная Ariffiq99 на основе Ariffiq99/KUCI_e_care_Bert_Based_Uncased_Finetuned для выбора правильного ответа из нескольких вариантов. Она предназначена для задач multiple-choice; в карточке приведены результаты оценки: loss 0,7119 и F1 0,7627. Модель содержит 136,7 млн параметров, использует формат safetensors и рассчитана на контекст до 512 токенов. Лицензия — Apache-2.0.

Сценарии применения

  • выбор правильного ответа из нескольких предложенных вариантов
  • оценка вариантов ответа на вопрос

Ограничения

Описание модели, обучающие данные и предполагаемые сценарии использования в карточке не раскрыты. Приведены только результаты оценки на неизвестном наборе данных, поэтому они не позволяют судить о качестве в других условиях.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

COPA_KUCI_e_care_Bert_Base_Uncased_Finetuned

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

  • Loss: 0.7119
  • F1: 0.7627

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 log1.0630.57190.7010
No log2.01260.53140.7371
No log3.01890.55850.7346
No log4.02520.59660.7511
No log5.03150.64300.7368
No log6.03780.65690.7537
No log7.04410.67730.7615
0.32788.05040.69620.7569
0.32789.05670.70620.7637
0.327810.06300.71190.7627

Framework versions

  • Transformers 4.41.2
  • Pytorch 2.3.0+cu121
  • Datasets 2.19.2
  • 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
bd7ce24

0 моделей