Характеристики

Контекст: 512 токенов
Параметры: 137 млн
Лицензия: Apache 2.0
Архитектура: bert · dense
Опубликована: 25 июн 2022

Ссылки

Hugging Face

bert-finetuned-custom

VedantS01

Ответы на вопросыТекст → текст4 профессии

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

45скачиваний за 30 дней0лайковвеса обновлены1 июл 2022

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

VedantS01/bert-finetuned-custom — модель на архитектуре BERT, дообученная разработчиком репозитория на наборе данных, указанном в карточке как None. Она предназначена для ответов на вопросы: модель получает вопрос и текстовый контекст и предсказывает фрагмент контекста в качестве ответа. Размер модели — 136,7 млн параметров; длина контекста — до 512 токенов. Модель использует PyTorch и распространяется по лицензии Apache-2.0.

Базовая модель bert-base-uncased рассчитана на английский язык. Карточка не содержит подробностей о данных дообучения и оценке качества, поэтому нельзя определить, на какие именно вопросы модель отвечает лучше всего или как она ведёт себя вне обучающего домена.

Сценарии применения

извлечение ответа из текста по заданному вопросу
ответы на вопросы по англоязычным документам
поиск нужного фрагмента в тексте по вопросу

Ограничения

Контекст ограничен 512 токенами. Карточка не описывает обучающие данные и результаты оценки качества, поэтому надёжность ответов для конкретных тематик не установлена.

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 467моделей I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей I.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

bert-finetuned-custom

This model is a fine-tuned version of bert-base-uncased on the None dataset.

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: 8
eval_batch_size: 8
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 3
mixed_precision_training: Native AMP

Training results

Framework versions

Transformers 4.20.1
Pytorch 1.11.0+cu113
Datasets 2.3.2
Tokenizers 0.12.1

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: BertForQuestionAnswering
Ревизия весов: 73af18d