/ Модель

Характеристики

Контекст
512 токенов
Параметры
968 млн
Архитектура
rembert · dense

rembert-squad2

Ответы на вопросыТекст → текст7 профессий

Мультиязычная модель RemBERT, дообученная на SQuAD 2.0 для ответов на вопросы по текстовому контексту.

586скачиваний за 30 дней3лайкавеса обновлены30 янв 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

Sindhu/rembert-squad2 — модель RemBERT, дообученная разработчиком на наборе SQuAD 2.0 для ответа на вопросы по заданному контексту. Она предназначена для извлечения ответа из текста и обработки вопросов, в том числе когда контекст не содержит ответа. Модель содержит около 967,8 млн параметров, использует архитектуру RemBERT и принимает контекст длиной до 512 токенов. Карточка указывает мультиязычную ориентацию; формат весов — PyTorch. Лицензия в предоставленных данных не указана.

Сценарии применения

  • извлечение ответа из предоставленного текста
  • ответы на вопросы по документам
  • определение случаев, когда в контексте нет ответа
  • создание систем поиска ответов на основе текста

Ограничения

Контекст ограничен 512 токенами; для более длинных документов потребуется разделение на фрагменты. Языковые данные обозначены как мультиязычные, но конкретный перечень языков в предоставленной карточке не указан.

Для каких профессий подходит7

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

Rembert Squad2

This model is finetuned for QA task on Squad2 from Rembert checkpoint.

Hyperparameters

Batch Size: 4
Grad Accumulation Steps = 8
Total epochs = 3
MLM Checkpoint = "rembert"
max_seq_len = 256
learning_rate = 1e-5
lr_schedule = LinearWarmup
warmup_ratio = 0.1
doc_stride = 128

Squad 2 Evaluation stats:

Metrics generated from the official Squad2 evaluation script

{
  "exact": 84.51107554956624,
  "f1": 87.46644042781853,
  "total": 11873,
  "HasAns_exact": 80.97165991902834,
  "HasAns_f1": 86.89086491219469,
  "HasAns_total": 5928,
  "NoAns_exact": 88.04037005887301,
  "NoAns_f1": 88.04037005887301,
  "NoAns_total": 5945
}

For any questions, you can reach out to me on Twitter

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
RemBertForQuestionAnswering
Ревизия весов
51a7532

0 моделей