Характеристики

Контекст: 512 токенов
Параметры: 137 млн
Лицензия: Apache 2.0
Архитектура: bert · dense
Базовая модель: COPA_Bert_Base_Uncased_Finetuned
Опубликована: 29 мая 2024

Ссылки

Hugging Face

CRAB_COPA_bert_base_uncased_finetuned

Ariffiq99

Классификация и разметкаТекст → label

Дообученная англоязычная BERT-модель для выбора правильного ответа из нескольких вариантов.

8скачиваний за 30 дней0лайковвеса обновлены29 мая 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

CRAB_COPA_bert_base_uncased_finetuned — англоязычная модель на архитектуре BERT, дообученная на основе Ariffiq99/COPA_Bert_Base_Uncased_Finetuned для выбора ответа из нескольких вариантов. В метаданных указано 136,7 млн параметров и контекст до 512 токенов. Модель подходит для задач multiple choice; README сообщает метрики на наборе оценки: loss 0,8427 и F1 0,7417, но не раскрывает датасет и подробности методики оценки. Распространяется под лицензией Apache-2.0.

Сценарии применения

выбор ответа в тестах с вариантами
решение задач COPA на причинно-следственные связи
ранжирование нескольких предложенных ответов по соответствию вопросу

Ограничения

README не уточняет обучающий датасет и предполагаемые ограничения; приведённые метрики не сопровождаются описанием набора оценки или методики.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

CRAB_COPA_bert_base_uncased_finetuned

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

Loss: 0.8427
F1: 0.7417

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
1.0245	1.0	2880	0.9647	0.6944
0.9269	2.0	5760	0.8318	0.7208
0.8595	3.0	8640	0.8719	0.7250
0.6487	4.0	11520	0.8147	0.7236
0.6315	5.0	14400	0.8145	0.7375
0.7166	6.0	17280	0.8406	0.7472
0.6376	7.0	20160	0.8372	0.7417
0.6178	8.0	23040	0.8427	0.7417

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: 88a013d