/ Модель
Каталог

Характеристики

Контекст
512 токенов
Параметры
45,8 млн
Лицензия
Apache 2.0
Архитектура
t5 · dense
Базовая модель
flan-t5-small
Опубликована
26 июл 2023

Ссылки

Hugging Face

flan-t5-small-finetuned-squad

TARUNBHATT
Ответы на вопросыТекст → текст4 профессии

Дообученная на SQuAD v2 модель FLAN-T5-small отвечает на вопросы по текстовому контексту.

2 407скачиваний за 30 дней0лайковвеса обновлены26 июл 2023

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

TARUNBHATT/flan-t5-small-finetuned-squad — дообученная на SQuAD v2 модель Google FLAN-T5-small для ответов на вопросы по предоставленному контексту. Это плотная encoder-decoder архитектура T5 с 45,8 млн параметров; модель работает с текстом и поддерживает контекст длиной до 512 токенов. В карточке приведён результат оценки на тестовом наборе SQuAD v2: loss 1,4937.

Модель подходит для извлечения ответа из текста и сценариев вопросно-ответного поиска. Базовая FLAN-T5-small дообучена следованию инструкциям и многоязычным NLP-задачам, но эта версия специально адаптирована к SQuAD v2. Она распространяется по лицензии Apache-2.0. Результат loss сам по себе не позволяет оценить качество ответов в прикладном сценарии; README не содержит дополнительных сведений о тренировке и ограничениях.

Сценарии применения

  • извлечение ответа из статьи или документа
  • ответы на вопросы по справочным материалам
  • создание вопросно-ответного компонента для поиска по текстам

Ограничения

Контекст ограничен 512 токенами. В карточке приведён только loss 1,4937 на оценочном наборе SQuAD v2, поэтому качество на других данных по ней определить нельзя.

Для каких профессий подходит4

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 467моделейII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейI.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модельI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

flan-t5-small-finetuned-squad

This model is a fine-tuned version of google/flan-t5-small on the squad_v2 dataset. It achieves the following results on the evaluation set:

  • Loss: 1.4937

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: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 1

Training results

Training LossEpochStepValidation Loss
1.69981.083211.4937

Framework versions

  • Transformers 4.31.0
  • Pytorch 2.0.1+cu118
  • Datasets 2.14.0
  • Tokenizers 0.13.3

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
T5ForQuestionAnswering
Ревизия весов
c252e4c

0 моделей

    Создать бенчмарк