Англоязычная BERT-модель для извлечения ответов на вопросы из контекста и определения вопросов без ответа.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
Vu74269/bert-squadv2-extend-base — англоязычная модель BERT Base, дообученная для извлечения ответов на вопросы по контексту. Она обучена на расширенной версии SQuAD 2.0, в которой добавлены вопросы без ответа из других контекстов той же статьи, поэтому предназначена также для распознавания случаев, когда в предоставленном тексте ответа нет. Модель содержит 136,7 млн параметров, принимает вопрос и контекст и выделяет ответный фрагмент; максимальная длина контекста — 512 токенов. Базовая модель — google-bert/bert-base-uncased. Распространяется по лицензии Apache-2.0.
Ограничена английским языком и максимальной длиной контекста 512 токенов; отвечает только на основе предоставленного контекста.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
Fine-tuned BERT Base model on an extended version of SQuAD 2.0 (created by adding unanswerable questions from other contexts within the same article) for extractive Question Answering.
from transformers import BertTokenizerFast
from transformers import BertForQuestionAnswering
MODEL_NAME = "Vu74269/bert-squadv2-extend-base"
tokenizer = BertTokenizerFast.from_pretrained(MODEL_NAME)
model = BertForQuestionAnswering.from_pretrained(MODEL_NAME)
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · question-answering
Подбираем GPU…