Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Опубликована: 13 июн 2022

Ссылки

Hugging Face

distilbert-base-uncased-finetuned-squad

Marscen

Ответы на вопросыТекст → текст6 профессий

Англоязычная модель на базе DistilBERT, извлекающая ответ на вопрос из текста, на котором она дообучена.

39скачиваний за 30 дней0лайковвеса обновлены14 июн 2022

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

Marscen/distilbert-base-uncased-finetuned-squad — модель вопросно-ответной системы на базе DistilBERT, дообученная на наборе SQuAD v2. Она предназначена для извлечения ответа из предоставленного текста в ответ на вопрос и может отказываться от ответа, если в контексте нет нужной информации. Модель использует архитектуру DistilBertForQuestionAnswering, работает с текстом и поддерживает контекст длиной до 512 токенов.

Модель создана на основе distilbert-base-uncased и опубликована по лицензии Apache-2.0. В карточке приведена оценка Loss 1.4052 на проверочной выборке; других характеристик качества и подробностей обучения нет. Она ориентирована на английский язык и не предназначена для генерации свободных ответов вне предоставленного контекста.

Сценарии применения

поиск ответа на вопрос в отрывке текста
извлечение фактов из англоязычных документов
ответы на вопросы по материалам SQuAD v2

Ограничения

Ограничена контекстом длиной до 512 токенов и ориентирована на английский язык. В карточке указана только оценка Loss 1.4052; более подробные сведения о качестве и ограничениях не приведены.

Для каких профессий подходит6

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 467моделей I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

distilbert-base-uncased-finetuned-squad

This model is a fine-tuned version of distilbert-base-uncased on the squad_v2 dataset. It achieves the following results on the evaluation set:

Loss: 1.4052

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 Loss	Epoch	Step	Validation Loss
1.2178	1.0	8235	1.1827
0.9355	2.0	16470	1.3283
0.761	3.0	24705	1.4052

Framework versions

Transformers 4.19.4
Pytorch 1.8.1+cu111
Datasets 2.2.2
Tokenizers 0.12.1

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: DistilBertForQuestionAnswering
Ревизия весов: 5751e3b