Характеристики

Контекст: 512 токенов
Параметры: 137 млн
Лицензия: Apache 2.0
Архитектура: bert · dense
Базовая модель: COPA_KUCI_Bert_Base_Uncased_Finetuned
Опубликована: 4 июн 2024

Ссылки

Hugging Face

CRAB_COPA_KUCI_Bert_Base_Uncased_finetuned

Ariffiq99

Классификация и разметкаТекст → label

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

7скачиваний за 30 дней0лайковвеса обновлены4 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

Ariffiq99/CRAB_COPA_KUCI_Bert_Base_Uncased_finetuned — дообученная модель на архитектуре BERT для выбора наиболее подходящего варианта ответа из нескольких предложенных. Она содержит 136,7 млн параметров, принимает текстовые варианты и имеет контекстное окно 512 токенов. Карточка сообщает результаты оценки: loss 0,7686 и F1 0,7694; набор данных и подробности оценки не раскрыты.

Модель подходит для задач выбора ответа, где вход содержит вопрос и несколько кандидатов. Она распространяется по лицензии Apache-2.0. README не описывает конкретные сценарии применения или ограничения качества.

Сценарии применения

выбор правильного ответа из вариантов в тесте
сопоставление вопроса с наиболее подходящим вариантом
оценка кандидатов ответа для задачи множественного выбора

Ограничения

Датасет обучения и подробности методики оценки не описаны, поэтому приведённые метрики нельзя уверенно переносить на другие данные. Контекст модели ограничен 512 токенами.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

CRAB_COPA_KUCI_Bert_Base_Uncased_finetuned

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

Loss: 0.7686
F1: 0.7694

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: 1
eval_batch_size: 1
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 8

Training results

Training Loss	Epoch	Step	Validation Loss	F1
1.0747	1.0	2880	0.9424	0.7014
0.9502	2.0	5760	0.8660	0.7167
0.8039	3.0	8640	0.7995	0.7278
0.7633	4.0	11520	0.8053	0.7333
0.7705	5.0	14400	0.8241	0.75
0.8075	6.0	17280	0.7628	0.7667
0.6885	7.0	20160	0.7813	0.7708
0.6746	8.0	23040	0.7686	0.7694

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: d36b1a9