/ Модель
Каталог

Характеристики

Контекст
514 токенов
Параметры
435 млн
Лицензия
MIT
Архитектура
roberta · dense
Опубликована
19 фев 2024

Ссылки

Hugging FacearXiv 1910.09700

klue-roberta-large-korquad_v1_qa

CurtisJeon
Ответы на вопросыТекст → текст3 профессии

Дообученная RoBERTa-модель для извлечения ответов на вопросы из корейского текста.

15скачиваний за 30 дней0лайковвеса обновлены10 мар 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

CurtisJeon разработал модель для извлечения ответов на вопросы на корейском языке. Это дообученная версия klue/roberta-large с архитектурой RoBERTa и головой RobertaForQuestionAnswering; она содержит 435,4 млн параметров и принимает контекст длиной до 514 токенов. Модель обучена на наборе squad_kor_v1 и предназначена для поиска ответа в предоставленном тексте.

Её можно применять для извлечения ответов из корейских документов и контекстов в системах вопросов и ответов. Репозиторий содержит веса PyTorch и распространяется по лицензии MIT. Карточка не приводит результатов оценки и подробных сведений об ограничениях, поэтому качество на других данных не установлено.

Сценарии применения

  • Извлечение ответа из корейского документа по вопросу
  • Поиск ответа в корейском контексте FAQ
  • Ответы на вопросы по корейским статьям и справочным материалам

Ограничения

Карточка не приводит метрик оценки и подробного анализа ограничений; качество на данных вне squad_kor_v1 не установлено.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.1Универсальные способностиПоиск и навигация по информацииAI помогает находить нужные сведения и помогать человеку быстро переходить от вопроса к подтверждённому источнику.18 задач13 467моделейI.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модельI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Card for Model ID

  • Open-Domain Question Answering Extraction Model for Korean.

Model Details

Model Description

This is the model card of a 🤗 transformers model that has been pushed on the Hub. This model card has been automatically generated.

  • Developed by: CurtisJeon
  • Model type: Question Answering
  • Language(s) (NLP): KR
  • License: MIT
  • Finetuned from model [optional]: klue/roberta-large

Model Sources [optional]

  • Repository: [More Information Needed]
  • Paper [optional]: [More Information Needed]
  • Demo [optional]: [More Information Needed]

Uses

Direct Use

[More Information Needed]

Downstream Use [optional]

[More Information Needed]

Out-of-Scope Use

[More Information Needed]

Bias, Risks, and Limitations

[More Information Needed]

Recommendations

Users (both direct and downstream) should be made aware of the risks, biases and limitations of the model. More information needed for further recommendations.

How to Get Started with the Model

Use the code below to get started with the model.

[More Information Needed]

Training Details

Training Data

  • fine-tuned data: squad_kor_v1

Training Procedure

Preprocessing [optional]

[More Information Needed]

Training Hyperparameters

  • Training regime: [More Information Needed]

Speeds, Sizes, Times [optional]

[More Information Needed]

Evaluation

Testing Data, Factors & Metrics

Testing Data

[More Information Needed]

Factors

[More Information Needed]

Metrics

[More Information Needed]

Results

[More Information Needed]

Summary

Model Examination [optional]

[More Information Needed]

Environmental Impact

Carbon emissions can be estimated using the Machine Learning Impact calculator presented in Lacoste et al. (2019).

  • Hardware Type: [More Information Needed]
  • Hours used: [More Information Needed]
  • Cloud Provider: [More Information Needed]
  • Compute Region: [More Information Needed]
  • Carbon Emitted: [More Information Needed]

Technical Specifications [optional]

Model Architecture and Objective

[More Information Needed]

Compute Infrastructure

[More Information Needed]

Hardware

[More Information Needed]

Software

[More Information Needed]

Citation [optional]

BibTeX:

[More Information Needed]

APA:

[More Information Needed]

Glossary [optional]

[More Information Needed]

More Information [optional]

[More Information Needed]

Model Card Authors [optional]

[More Information Needed]

Model Card Contact

[More Information Needed]

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · question-answering

Можно запустить

Подбираем GPU…

Класс архитектуры
RobertaForQuestionAnswering
Ревизия весов
00320a2

0 моделей

    Создать бенчмарк