/ Модель
Каталог

Характеристики

Контекст
512 токенов
Параметры
129 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Библиотека
transformers
Опубликована
28 июл 2026

Ссылки

Hugging Face

rag-qa-base-bert

Kate-lf
Ответы на вопросыТекст → текст3 профессии

Дообученная китайская BERT-модель для извлечения ответов на вопросы из текста, в том числе в сценариях RAG.

6скачиваний за 30 дней0лайковвеса обновлены29 июл 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

Kate-lf/rag-qa-base-bert — модель BERT для ответа на вопросы, разработанная дообучением bert-base-chinese. Она предназначена для сценариев question answering, в том числе поиска ответа в контексте при работе с системами RAG. Модель содержит 129,5 млн параметров, использует архитектуру BertForQuestionAnswering и принимает последовательности длиной до 512 токенов. Репозиторий содержит веса в формате safetensors.

Модель ориентирована на китайский язык. В README приведены результаты оценки: exact match 58,7 и F1 58,7 на 6859 примерах; метрики заметно различаются для вопросов с ответом и без ответа. Датасет обучения не назван, поэтому эти показатели не позволяют судить о качестве на других данных. Лицензия — Apache-2.0.

Сценарии применения

  • извлечение ответа на вопрос из найденного фрагмента документа
  • ответы на вопросы по китайским текстам
  • выбор ответа из контекста в RAG-системе

Ограничения

Датасет обучения не указан. Приведённые метрики показывают ограниченное качество на оценочном наборе и могут не переноситься на другие данные.

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 467моделейII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейI.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

library_name: transformers

license: apache-2.0

base_model: bert-base-chinese

tags:

  • question-answering

  • generated_from_trainer

metrics: '{"exact": 58.711182388103225, "f1": 58.7488457987073, "total": 6859, "HasAns_exact":

34.578402366863905, "HasAns_f1": 34.67393984220908, "HasAns_total": 2704, "NoAns_exact":

74.41636582430806, "NoAns_f1": 74.41636582430806, "NoAns_total": 4155, "best_exact":

63.58069689459105, "best_exact_thresh": 8.853434701450169e-05, "best_f1": 63.59284638188268,

"best_f1_thresh": 8.853434701450169e-05}'

model-index:

  • name: rag-qa-base-bert

    results: []

rag-qa-base-bert

This model is a fine-tuned version of bert-base-chinese 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: 2e-05

  • train_batch_size: 8

  • eval_batch_size: 8

  • 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 4.57.3

  • Pytorch 2.11.0+cu128

  • Datasets 5.0.0

  • Tokenizers 0.22.2

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
ded2b26

0 моделей

    Создать бенчмарк