/ Модель

Характеристики

Контекст
514 токенов
Параметры
152 млн
Лицензия
CC BY 4.0
Архитектура
roberta · dense
Базовая модель
roberta-base-squad2
Опубликована
12 сен 2023

atgx-roberta-base-squad2

Ответы на вопросыТекст → текст5 профессий

Дообученная англоязычная RoBERTa для извлечения ответов на вопросы из текста и выявления вопросов без ответа в контексте.

124скачиваний за 30 дней0лайковвеса обновлены18 сен 2023

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

LinYuting выпустил дообученную модель RoBERTa base для извлечения ответов на вопросы из предоставленного текста. Она основана на deepset/roberta-base-squad2 и предназначена для сценариев question answering, где ответ нужно найти в контексте; базовая модель также определяет вопросы, на которые в контексте нет ответа. Модель содержит 151,8 млн параметров, имеет контекстное окно 514 токенов и представлена в формате TensorFlow.

В карточке указаны результаты обучения: эпоха 2, ошибка на обучении 0,2567 и на валидации 1,1199. Датасет дообучения не назван, поэтому качество на других данных по этим метрикам оценить нельзя. Лицензия — CC BY 4.0.

Сценарии применения

  • поиск ответа на вопрос в тексте
  • ответы на вопросы по документам
  • извлечение фактов из абзацев
  • определение вопросов без ответа в контексте

Ограничения

Данные дообучения не описаны, поэтому область применимости и обобщающую способность модели трудно оценить. Контекст ограничен 514 токенами.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

LinYuting/atgx-roberta-base-squad2

This model is a fine-tuned version of deepset/roberta-base-squad2 on an unknown dataset. It achieves the following results on the evaluation set:

  • Train Loss: 0.2567
  • Validation Loss: 1.1199
  • Epoch: 2

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:

  • optimizer: {'name': 'Adam', 'weight_decay': None, 'clipnorm': None, 'global_clipnorm': None, 'clipvalue': None, 'use_ema': False, 'ema_momentum': 0.99, 'ema_overwrite_frequency': None, 'jit_compile': True, 'is_legacy_optimizer': False, 'learning_rate': {'class_name': 'PolynomialDecay', 'config': {'initial_learning_rate': 2e-05, 'decay_steps': 192, 'end_learning_rate': 0.0, 'power': 1.0, 'cycle': False, 'name': None}}, 'beta_1': 0.9, 'beta_2': 0.999, 'epsilon': 1e-08, 'amsgrad': False}
  • training_precision: float32

Training results

Train LossValidation LossEpoch
0.58041.02340
0.33381.09251
0.25671.11992

Framework versions

  • Transformers 4.32.1
  • TensorFlow 2.11.1
  • Datasets 2.14.5
  • Tokenizers 0.13.3

Как запустить

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

GPU в ailist

Универсальный рантайм · question-answering

Нельзя запустить

В репозитории нет весов в формате PyTorch/safetensors.

Класс архитектуры
RobertaForQuestionAnswering
Ревизия весов
ab92f5c

0 моделей