Характеристики

Контекст: 512 токенов
Параметры: 137 млн
Лицензия: Apache 2.0
Архитектура: bert · dense
Базовая модель: bert-base-uncased
Библиотека: transformers
Опубликована: 27 сен 2026

Ссылки

Hugging Face

full-qa

Dalila-Ku

Ответы на вопросыТекст → текст

Дообученная модель BERT для поиска ответа на вопрос в предоставленном тексте.

23скачиваний за 30 дней0лайковвеса обновлены27 сен 2026

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

Dalila-Ku/full-qa — модель для ответов на вопросы, созданная дообучением bert-base-uncased с архитектурой BERT. Она предназначена для извлечения ответа из текста по заданному вопросу. Модель содержит 136,7 млн параметров и рассчитана на контекст длиной до 512 токенов.

Модель загружается через библиотеку Transformers и распространяется в формате safetensors по лицензии Apache-2.0. В карточке не приведены сведения о датасете обучения и оценке качества, поэтому её точность и пригодность для конкретной области по доступным данным оценить нельзя.

Сценарии применения

поиск ответа на вопрос в тексте
извлечение фактов из документов
ответы на вопросы по справочным материалам

Ограничения

Датасет обучения и результаты оценки качества не описаны; контекст ограничен 512 токенами.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

full-qa

This model is a fine-tuned version of bert-base-uncased on an unknown dataset.

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: 5e-05
train_batch_size: 16
eval_batch_size: 32
seed: 42
optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
num_epochs: 3
mixed_precision_training: Native AMP

Training results

Framework versions

Transformers 5.16.1
Pytorch 2.11.0+cu128
Datasets 4.8.5
Tokenizers 0.23.1

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · question-answering

Можно запустить

Подбираем GPU…

Класс архитектуры: BertForQuestionAnswering
Ревизия весов: 18566ac