Характеристики

Контекст: 512 токенов
Параметры: 136 млн
Лицензия: Apache 2.0
Архитектура: albert · dense
Базовая модель: e_care_albert_base_finetuned
Опубликована: 7 июн 2024

Ссылки

Hugging Face

KUCI_e_care_Albert_Base_Finetuned

Ariffiq99

Классификация и разметкаТекст → label

Дообученная модель ALBERT для выбора ответа из нескольких вариантов по текстовому контексту.

8скачиваний за 30 дней0лайковвеса обновлены7 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

KUCI_e_care_Albert_Base_Finetuned — модель на архитектуре ALBERT, дообученная на базе Ariffiq99/e_care_albert_base_finetuned. Она предназначена для выбора правильного ответа из нескольких вариантов. Модель содержит 136,3 млн параметров, принимает текст с контекстом длиной до 512 токенов и распространяется в формате Safetensors по лицензии Apache-2.0.

В карточке приведены результаты оценки: loss 1,3212 и F1 0,3683. Данные обучения и подробное описание сценариев применения не раскрыты; значение F1 указывает на ограниченное качество в указанной оценке, поэтому перед практическим использованием модель следует проверять на целевых данных.

Сценарии применения

выбор правильного ответа в тестах с вариантами
ответы на вопросы с несколькими вариантами в системе обучения
автоматическая оценка заданий с выбором ответа

Ограничения

Датасет обучения не указан; на оценочном наборе приведён F1 0,3683, поэтому качество на целевой задаче может быть ограниченным. Контекст ограничен 512 токенами.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

KUCI_e_care_Albert_Base_Finetuned

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

Loss: 1.3212
F1: 0.3683

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: 7

Training results

Training Loss	Epoch	Step	Validation Loss	F1
1.3365	1.0	5196	1.3307	0.3527
1.3318	2.0	10392	1.3201	0.3720
1.3268	3.0	15588	1.3195	0.3625
1.326	4.0	20784	1.3182	0.3594
1.3204	5.0	25980	1.3159	0.3668
1.3152	6.0	31176	1.3181	0.3638
1.3114	7.0	36372	1.3212	0.3683

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: AlbertForMultipleChoice
Ревизия весов: d5ebc0f