Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: distilbert-base-uncased
Библиотека: transformers
Опубликована: 20 июн 2026

Ссылки

Hugging Face

my_awesome_qa_model

Skiuphill

Ответы на вопросыТекст → текст5 профессий

Дообученная англоязычная DistilBERT-модель для поиска ответа на вопрос в тексте.

6скачиваний за 30 дней0лайковвеса обновлены20 июн 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

Skiuphill/my_awesome_qa_model — дообученная Skiuphill модель DistilBERT для ответа на вопросы. Она использует архитектуру DistilBertForQuestionAnswering и предназначена для извлечения ответа из текста по заданному вопросу. Контекст ограничен 512 токенами.

Модель основана на distilbert/distilbert-base-uncased, работает с текстом на английском языке и сохранена в формате safetensors. В карточке указана оценка Loss 1.5332 на тестовой выборке, но набор данных и подробности оценки не описаны. Лицензия — Apache-2.0.

Сценарии применения

Извлечение ответа из абзаца по вопросу на английском языке
Ответы на вопросы по коротким текстовым документам
Поиск конкретного факта в предоставленном фрагменте текста

Ограничения

Не описаны обучающий набор данных и предполагаемые сценарии применения; приведённая оценка Loss 1.5332 без сведений о методике и наборе оценки мало говорит о качестве. Контекст ограничен 512 токенами.

Для каких профессий подходит5

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 467моделей I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель

Также подходит для

IV.5Образование и развитие навыков

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

my_awesome_qa_model

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

Loss: 1.5332

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: 16
eval_batch_size: 16
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	250	2.1608
2.7255	2.0	500	1.6052
2.7255	3.0	750	1.5332

Framework versions

Transformers 5.12.1
Pytorch 2.14.0.dev20260619+cu132
Datasets 5.0.0
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: DistilBertForQuestionAnswering
Ревизия весов: cc33508