/ Модель

Характеристики

Контекст
512 токенов
Лицензия
Apache 2.0
Архитектура
distilbert · dense
Опубликована
2 мар 2022

distilbert-base-uncased-finetuned-squad

Ответы на вопросыТекст → текст6 профессий

Англоязычная дообученная DistilBERT-модель, которая извлекает ответы на вопросы из текста.

41скачиваний за 30 дней1лайквеса обновлены21 июл 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

Rocketknight1/distilbert-base-uncased-finetuned-squad — англоязычная модель для извлечения ответов на вопросы из предоставленного текста. Она создана дообучением distilbert-base-uncased и использует архитектуру DistilBertForQuestionAnswering; модель принимает вопрос и контекст и предсказывает фрагмент контекста как ответ. Указан лимит контекста 512 токенов.

Модель подходит для систем вопросов и ответов по документам и текстовым отрывкам. В README приведены метрики обучения и валидации, но датасет и подробности назначения не раскрыты. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • извлечение ответа из абзаца по вопросу
  • поиск ответа в коротком документе
  • вопросы и ответы по текстовым отрывкам

Ограничения

Контекст ограничен 512 токенами; качество за пределами приведённых метрик не охарактеризовано. Датасет обучения в README обозначен как неизвестный.

Для каких профессий подходит6

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

Rocketknight1/distilbert-base-uncased-finetuned-squad

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

  • Train Loss: 1.5124
  • Train End Logits Accuracy: 0.6041
  • Train Start Logits Accuracy: 0.5680
  • Validation Loss: 1.1534
  • Validation End Logits Accuracy: 0.6849
  • Validation Start Logits Accuracy: 0.6443
  • Epoch: 0

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:

  • optimizer: {'name': 'Adam', 'learning_rate': {'class_name': 'PolynomialDecay', 'config': {'initial_learning_rate': 2e-05, 'decay_steps': 11064, 'end_learning_rate': 0.0, 'power': 1.0, 'cycle': False, 'name': None}}, 'decay': 0.0, 'beta_1': 0.9, 'beta_2': 0.999, 'epsilon': 1e-08, 'amsgrad': False}
  • training_precision: float32

Training results

Train LossTrain End Logits AccuracyTrain Start Logits AccuracyValidation LossValidation End Logits AccuracyValidation Start Logits AccuracyEpoch
1.51240.60410.56801.15340.68490.64430

Framework versions

  • Transformers 4.21.0.dev0
  • TensorFlow 2.9.1
  • Datasets 2.3.3.dev0
  • Tokenizers 0.11.0

Как запустить

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

GPU в ailist

Универсальный рантайм · question-answering

Нельзя запустить

В репозитории нет весов в формате PyTorch/safetensors.

Класс архитектуры
DistilBertForQuestionAnswering
Ревизия весов
6d1c42e

0 моделей