/ Модель
Каталог

Характеристики

Контекст
512 токенов
Параметры
454 млн
Архитектура
deberta · dense

Ссылки

Hugging Face

microsoft_deberta-large_squad

Palak
Ответы на вопросыТекст → текст6 профессий

Дообученная на SQuAD v1 модель DeBERTa Large извлекает ответы на английские вопросы из текста.

52скачиваний за 30 дней0лайковвеса обновлены24 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

Palak/microsoft_deberta-large_squad — дообученная на наборе SQuAD v1 модель DeBERTa Large с 454,1 млн параметров для ответов на вопросы по предоставленному тексту. Она принимает вопрос и контекст и предсказывает ответ в тексте; в метаданных указана архитектура DebertaForQuestionAnswering и максимальный контекст 512 токенов. В README приведены результаты оценки на 10 788 примерах: exact match 87,89 и F1 93,88.

Модель подходит для извлечения ответов из документов и фрагментов текста на английском языке в системах поиска и анализа знаний. Карточка не содержит сведений о лицензии, поэтому условия использования определить нельзя. Результаты на SQuAD не гарантируют аналогичное качество на других темах и форматах вопросов.

Сценарии применения

  • поиск ответа на вопрос в статье или документе
  • извлечение фактов из текста по запросу
  • ответы на вопросы по фрагментам базы знаний
  • автоматическая проверка ответов на английском языке

Ограничения

Контекст ограничен 512 токенами; качество за пределами английских вопросов и распределения SQuAD не подтверждено приведённой оценкой. Лицензия в доступных данных не указана.

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

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

microsoft-deberta-large

This model is a fine-tuned version of microsoft_deberta-large on the squadV1 dataset.

  • "eval_exact_match": 87.89025543992432
  • "eval_f1": 93.8755152147345
  • "eval_samples": 10788

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: 3e-05
  • train_batch_size: 12
  • eval_batch_size: 32
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 3

Framework versions

  • Transformers 4.14.1
  • Pytorch 1.9.0
  • 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
DebertaForQuestionAnswering
Ревизия весов
9400d34

0 моделей

    Создать бенчмарк