Характеристики

Контекст: 512 токенов
Параметры: 137 млн
Лицензия: Apache 2.0
Архитектура: bert · dense
Базовая модель: CRAB_bert_base_uncased_finetuned
Опубликована: 31 мая 2024

Ссылки

Hugging Face

e_care_CRAB_bert_base_uncased_finetuned

Ariffiq99

Классификация и разметкаТекст → label

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

7скачиваний за 30 дней0лайковвеса обновлены31 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

e_care_CRAB_bert_base_uncased_finetuned — дообученная модель BERT, разработанная на основе Ariffiq99/CRAB_bert_base_uncased_finetuned. Она предназначена для выбора ответа из нескольких вариантов по текстовому контексту. Модель содержит 136,7 млн параметров, использует архитектуру BertForMultipleChoice и принимает последовательности длиной до 512 токенов.

В карточке приведены результаты оценки: loss 0,8393 и F1 0,7531. Данные обучения и область применения не раскрыты, поэтому качество для конкретных сценариев оценить нельзя. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

выбор правильного ответа в тесте с вариантами
ответы на вопросы по заданному тексту с выбором из вариантов
оценка вариантов ответа в учебном тестировании

Ограничения

Датасет обучения и целевые сценарии не описаны. Приведены только метрики оценки: loss 0,8393 и F1 0,7531.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

e_care_CRAB_bert_base_uncased_finetuned

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

Loss: 0.8393
F1: 0.7531

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: 6

Training results

Training Loss	Epoch	Step	Validation Loss	F1
0.5685	1.0	933	0.4907	0.7493
0.4171	2.0	1866	0.4996	0.7507
0.3	3.0	2799	0.6103	0.7521
0.2177	4.0	3732	0.7090	0.7507
0.1559	5.0	4665	0.8094	0.7549
0.137	6.0	5598	0.8393	0.7531

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: e6b517e