Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: distilbert-base-uncased
Библиотека: transformers
Опубликована: 4 окт 2026

Ссылки

Hugging Face

my_awesome_qa_model

Sourajit2341

Ответы на вопросыТекст → текст

Дообученная англоязычная DistilBERT-модель для извлечения ответов на вопросы из текста.

36скачиваний за 30 дней0лайковвеса обновлены4 окт 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

Sourajit2341/my_awesome_qa_model — дообученная модель DistilBERT для ответа на вопросы по тексту. Она основана на distilbert/distilbert-base-uncased и использует архитектуру DistilBertForQuestionAnswering. Модель рассчитана на английский язык; максимальная длина контекста составляет 512 токенов.

Модель можно применять для извлечения ответов из предоставленного контекста в системах поиска и анализа документов. В README приведено значение loss 1,5841 на оценочном наборе, но набор данных и методика оценки не описаны, поэтому по этому результату нельзя судить о качестве в конкретном сценарии. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

извлечение ответа из заданного фрагмента текста
ответы на вопросы по документам
поиск фактической информации в англоязычном тексте

Ограничения

Данные обучения не описаны, а приведённое значение loss без сведений о наборе и методике оценки не позволяет оценить качество модели. Максимальный контекст ограничен 512 токенами.

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: 1.5841

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	2.2532
2.6906	2.0	500	1.6621
2.6906	3.0	750	1.5841

Framework versions

Transformers 5.18.0
Pytorch 2.11.0+cu130
Datasets 5.0.1
Tokenizers 0.23.2

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: 876454c