Характеристики

Контекст: 512 токенов
Параметры: 136 млн
Лицензия: Apache 2.0
Архитектура: bert · dense
Базовая модель: bert-base-cased
Опубликована: 28 июн 2024

Ссылки

Hugging Face

bert-finetuned-squad

Naima12

Ответы на вопросыТекст → текст

Дообученная BERT-модель для извлечения ответов на вопросы из текста.

6скачиваний за 30 дней0лайковвеса обновлены1 июл 2024

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

Naima12/bert-finetuned-squad — модель семейства BERT, дообученная на основе bert-base-cased для ответов на вопросы. Она предназначена для извлечения ответа из предоставленного текста по вопросу; размер модели составляет 135,5 млн параметров, а контекст ограничен 512 токенами. Модель принимает текст вопроса и контекста и возвращает текстовый ответ.

Модель распространяется в формате safetensors по лицензии Apache 2.0. Данные обучения и оценки в карточке не описаны, поэтому качество и поведение на конкретных типах текстов по ней оценить нельзя.

Сценарии применения

извлечение ответа из контекста по заданному вопросу
ответы на вопросы по текстовым документам
поиск фактов в тексте для систем вопросно-ответного поиска

Ограничения

Карточка не описывает датасет обучения и результаты оценки, поэтому качество на разных типах текстов не установлено. Максимальная длина контекста — 512 токенов.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

bert-finetuned-squad

This model is a fine-tuned version of bert-base-cased 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: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 3
mixed_precision_training: Native AMP

Training results

Framework versions

Transformers 4.41.2
Pytorch 2.3.0+cu121
Datasets 2.20.0
Tokenizers 0.19.1

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: BertForQuestionAnswering
Ревизия весов: 3784fad