Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: distilbert-base-uncased
Библиотека: transformers
Опубликована: 11 июн 2026

Ссылки

Hugging Face

LLM_course_MLM_model_QA

Valencio

Ответы на вопросыТекст → текст

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

6скачиваний за 30 дней0лайковвеса обновлены11 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

Valencio/LLM_course_MLM_model_QA — дообученная модель DistilBERT для ответа на вопросы. Она построена на distilbert/distilbert-base-uncased и использует архитектуру DistilBertForQuestionAnswering; веса опубликованы в формате safetensors. Модель принимает текст вопроса и контекста и предназначена для извлечения ответа из текста. Англоязычная базовая модель и контекст до 512 токенов задают рамки её применения.

В карточке приведено значение loss 1,7249 на оценочном наборе, но набор данных и подробные результаты не описаны. Лицензия — Apache-2.0. Ожидаемое качество на конкретных данных следует проверять отдельно.

Сценарии применения

извлечение ответа из англоязычной статьи
ответы на вопросы по текстовым документам
поиск факта в предоставленном контексте

Ограничения

Датасет обучения и подробные результаты оценки не описаны; приведено только значение loss 1,7249. Контекст ограничен 512 токенами, а базовая модель ориентирована на английский язык.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

LLM_course_MLM_model_QA

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: 1.7249

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	2.3497
2.7777	2.0	500	1.8453
2.7777	3.0	750	1.7249

Framework versions

Transformers 5.10.1
Pytorch 2.11.0+cu128
Datasets 4.0.0
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: ba4a578