/ Модель

Характеристики

Контекст
512 токенов
Лицензия
Apache 2.0
Архитектура
distilbert · dense
Базовая модель
my_awesome_qa_model
Опубликована
6 мар 2024

QA_distell

Ответы на вопросыТекст → текст

Дообученная модель DistilBERT для ответов на вопросы по текстовому контексту.

7скачиваний за 30 дней0лайковвеса обновлены6 мар 2024

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

QAdistell — дообученная модель для ответов на вопросы, разработанная на основе StaAhmed/my_awesome_qa_model. Она использует архитектуру DistilBERT и предназначена для задачи question-answering; контекст ограничен 512 токенами. Модель хранится в формате safetensors и распространяется по лицензии Apache-2.0.

В карточке указана оценка Loss 0,2595 на наборе для оценки. Данные обучения и подробности о сценариях применения не описаны.

Сценарии применения

  • извлечение ответа из предоставленного текста
  • ответы на вопросы по документам
  • поиск фактической информации в контексте

Ограничения

Контекст ограничен 512 токенами. В карточке не описаны обучающие данные и ограничения по качеству или предметным областям.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

QA_distell

This model is a fine-tuned version of StaAhmed/my_awesome_qa_model on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.2595

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: 32
  • eval_batch_size: 32
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 12

Training results

Training LossEpochStepValidation Loss
No log1.0140.8443
No log2.0280.6154
No log3.0420.4697
No log4.0560.3838
No log5.0700.3297
No log6.0840.3364
No log7.0980.2711
No log8.01120.3240
No log9.01260.2634
No log10.01400.2826
No log11.01540.2721
No log12.01680.2595

Framework versions

  • Transformers 4.38.2
  • Pytorch 2.1.2
  • Datasets 2.1.0
  • Tokenizers 0.15.2

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
DistilBertForQuestionAnswering
Ревизия весов
23d8e2d

0 моделей