Характеристики

Контекст: 512 токенов
Параметры: 137 млн
Архитектура: bert · dense
Базовая модель: modelo_qa_beto_squad_es_pdqa
Библиотека: transformers
Опубликована: 28 июл 2026

Ссылки

Hugging Face

variante_C_beto_docstride

Rafael0301

Ответы на вопросыТекст → текст

Дообученная модель BERT для поиска ответов на вопросы в текстовом контексте, преимущественно на испанском языке.

6скачиваний за 30 дней0лайковвеса обновлены28 июл 2026

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

varianteCbetodocstride — дообученная модель Rafael0301 на основе Lisibonny/modelo_qa_beto_squad_es_pdqa для ответов на вопросы по текстовому контексту. Она использует архитектуру BERT с головой BertForQuestionAnswering, содержит 137,1 млн параметров и рассчитана на контекст до 512 токенов. В README указана оценка Loss 2,0290 на наборе для оценки.

Модель подходит для извлечения ответа из предоставленного текста, например при поиске сведений в документах. Базовая модель связана с испаноязычным SQuAD и PDQA, поэтому основной язык — испанский. Репозиторий содержит веса в формате safetensors; лицензия в доступных данных не указана.

Сценарии применения

извлечение ответа из испаноязычного текста
ответы на вопросы по документам
поиск фактов в предоставленном контексте

Ограничения

Описание модели, обучающий набор и ограничения в README не раскрыты; указана только оценка Loss 2,0290. Контекст ограничен 512 токенами.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

variante_C_beto_docstride

This model is a fine-tuned version of Lisibonny/modelo_qa_beto_squad_es_pdqa on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 2.0290

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: 8
eval_batch_size: 8
seed: 42
optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
num_epochs: 3

Training results

Training Loss	Epoch	Step	Validation Loss
No log	1.0	6	2.1035
No log	2.0	12	2.0004
No log	3.0	18	2.0290

Framework versions

Transformers 4.57.6
Pytorch 2.11.0+cu128
Datasets 4.0.0
Tokenizers 0.22.2

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · question-answering

Можно запустить

Подбираем GPU…

Класс архитектуры: BertForQuestionAnswering
Ревизия весов: eece227