/ Модель

Характеристики

Контекст
512 токенов
Лицензия
Apache 2.0
Архитектура
distilbert · dense
Опубликована
29 фев 2024

my_awesome_qa_model

Ответы на вопросыТекст → текст

Дообученная модель DistilBERT для извлечения 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

StaAhmed разработал my_awesome_qa_model — модель DistilBERT, дообученную для ответов на вопросы. Она предназначена для извлечения ответа из предоставленного контекста по вопросу и подходит для сценариев, где требуется находить конкретные сведения в тексте. Максимальная длина контекста составляет 512 токенов. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0.

В карточке приведён результат оценки на тестовой выборке: loss 1,5192. Датасет обучения указан как None, а описание данных и ограничений не приведено, поэтому качество на конкретных типах текстов и языках по этим сведениям оценить нельзя.

Сценарии применения

  • извлечение ответа из текста по заданному вопросу
  • поиск конкретного факта в предоставленном фрагменте
  • ответы на вопросы по коротким документам
  • создание прототипа системы поиска ответов

Ограничения

Язык модели и состав обучающих данных не описаны, поэтому её пригодность для конкретного языка или предметной области не подтверждена. Контекст ограничен 512 токенами; приведённое значение loss само по себе не позволяет судить о качестве ответов.

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 StaAhmed/my_awesome_qa_model on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 1.5192

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 log1.0171.9124
No log2.0341.7899
No log3.0511.7067
No log4.0681.6859
No log5.0851.6442
No log6.01021.6603
No log7.01191.5947
No log8.01361.5424
No log9.01531.5032
No log10.01701.5411
No log11.01871.5187
No log12.02041.5192

Framework versions

  • Transformers 4.38.1
  • 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
1bf085f

0 моделей