/ Модель

Характеристики

Контекст
512 токенов
Параметры
4,4 млн
Лицензия
MIT
Архитектура
bert · dense
Базовая модель
V1
Опубликована
1 янв 2024

V2

Ответы на вопросыТекст → текст5 профессий

Компактная дообученная BERT-модель извлекает ответы на вопросы из текста и поддерживает случаи, когда в контексте ответа нет.

13скачиваний за 30 дней0лайковвеса обновлены1 янв 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

VenkatManda/V2 — компактная модель на архитектуре BERT, дообученная разработчиком VenkatManda на VenkatManda/V1 для извлечения ответа на вопрос из предоставленного текста. Она рассчитана на сценарии вопросно-ответного поиска, включая контексты, в которых ответа нет; модель обучалась на SQuAD v2. Размер модели — 4,4 млн параметров, длина контекста — до 512 токенов. Весовые файлы представлены в формате safetensors. Модель распространяется по лицензии MIT. Карточка не содержит сведений о языковом охвате или подробных результатах оценки.

Сценарии применения

  • Извлечение ответа из текста по вопросу
  • Ответы на вопросы по фрагментам документов
  • Определение случаев, когда в контексте нет ответа

Ограничения

Контекст ограничен 512 токенами; сведения о языковом охвате и подробной оценке качества в карточке отсутствуют.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

V2

This model is a fine-tuned version of VenkatManda/V1 on the squad_v2 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: 1.6e-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: 1.0

Training results

Framework versions

  • Transformers 4.37.0.dev0
  • Pytorch 2.1.0+cu118
  • Datasets 2.16.1
  • Tokenizers 0.15.0

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
ae63908

0 моделей