/ Модель

Характеристики

Контекст
512 токенов
Параметры
137 млн
Архитектура
bert · dense

bert-base-spanish-wwm-cased-finetuned-sqac

Ответы на вопросыТекст → текст5 профессий

Испанская BERT-модель, дообученная на SQAC для извлечения ответов из контекста по вопросу.

68скачиваний за 30 дней0лайковвеса обновлены1 дек 2021

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

MMG/bert-base-spanish-wwm-cased-finetuned-sqac — модель BERT, дообученная на наборе SQAC для ответов на вопросы по текстовому контексту. Она принимает вопрос и связанный с ним фрагмент текста на испанском языке и извлекает из контекста ответ. Модель содержит 137,1 млн параметров, использует архитектуру BertForQuestionAnswering и поддерживает контекст длиной до 512 токенов.

На оценочной выборке SQAC модель показала exact match 62,02 и F1 79,45. Она подходит для поиска ответов в испанских текстах, если вопрос и нужная информация помещаются в контекст. Лицензия в предоставленных данных не указана.

Сценарии применения

  • извлечение ответа на вопрос из испанского текста
  • поиск фактов в испанских документах
  • ответы на вопросы по фрагментам испанских статей

Ограничения

Контекст ограничен 512 токенами; оценочные результаты приведены только для набора SQAC.

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

bert-base-spanish-wwm-cased-finetuned-sqac

This model is a fine-tuned version of dccuchile/bert-base-spanish-wwm-cased on the sqac dataset. It achieves the following results on the evaluation set: {'exact_match': 62.017167, 'f1': 79.452767}

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: 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: 3

Training results

Training LossEpochStepValidation Loss
1.13351.012300.9346
0.67942.024600.8634
0.39923.036900.9662

Framework versions

  • Transformers 4.12.5
  • Pytorch 1.10.0+cu111
  • Datasets 1.16.1
  • Tokenizers 0.10.3

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
BertForQuestionAnswering
Ревизия весов
15da909

0 моделей