Характеристики

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

Ссылки

Hugging Face

KUCI_e_care_CRAB_bert_base_uncased_Finetuned

Ariffiq99

Классификация и разметкаТекст → label

Дообученная BERT-модель для выбора одного ответа из нескольких вариантов по текстовому контексту.

7скачиваний за 30 дней0лайковвеса обновлены13 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_CRAB_bert_base_uncased_Finetuned — дообученная модель на архитектуре BERT Base Uncased, разработанная Ariffiq99. Она предназначена для выбора одного ответа из нескольких вариантов на основе текстового контекста. Модель содержит 136,7 млн параметров, принимает текст и рассчитана на контекст до 512 токенов.

В карточке приведены результаты оценки: loss 1,1422 и F1 0,4992. Датасет и предметная область не описаны, поэтому по этим данным нельзя определить, для каких конкретных вопросов модель обучена. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

выбор правильного ответа в тесте с вариантами
ответы на вопросы с несколькими вариантами по текстовому контексту
ранжирование вариантов ответа для тестового задания

Ограничения

Датасет и предметная область обучения не описаны. В README указана оценка F1 0,4992, поэтому качество на конкретных задачах следует проверять отдельно.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

KUCI_e_care_CRAB_bert_base_uncased_Finetuned

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

Loss: 1.1422
F1: 0.4992

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: 64
eval_batch_size: 64
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 4

Training results

Training Loss	Epoch	Step	Validation Loss	F1
1.269	1.0	1299	1.2161	0.4469
1.1965	2.0	2598	1.1686	0.4798
1.1659	3.0	3897	1.1446	0.4956
1.1283	4.0	5196	1.1422	0.4992

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: ab00947