/ Модель

Характеристики

Контекст
512 токенов
Параметры
136 млн
Архитектура
albert · dense

indobert-lite-squad

Ответы на вопросыТекст → текст3 профессии

IndoBERT-Lite, дообученная на переведённом SQuAD 2.0, извлекает ответы на вопросы из индонезийского текста-контекста.

25скачиваний за 30 дней6лайковвеса обновлены31 мар 2021

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

Wikidepia/indobert-lite-squad — модель семейства ALBERT на базе IndoBERT-Lite, разработанной Indo Benchmark и дообученной на переведённом наборе Translated SQuAD 2.0 для ответов на вопросы. Она извлекает ответ из предоставленного текста-контекста и предназначена для сценариев, где ответ можно найти в документе или фрагменте текста.

Модель решает задачу question-answering, содержит 136,3 млн параметров и рассчитана на контекст до 512 токенов. Карточка указывает поддержку индонезийского языка. Веса представлены в формате PyTorch. В README приведён пример извлечения короткого ответа с оценкой уверенности.

Качество ответов зависит от релевантности и полноты контекста; модель не предназначена для свободных ответов без опорного текста. Лицензия в доступных данных не указана.

Сценарии применения

  • извлечение ответов из индонезийских документов
  • ответы на вопросы по статьям и справочным текстам
  • поиск числовых фактов в предоставленном контексте

Ограничения

Ответы извлекаются из переданного контекста, поэтому при отсутствии нужной информации или нерелевантном тексте результат может быть неверным. Контекст ограничен 512 токенами.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

IndoBERT-Lite base fine-tuned on Translated SQuAD v2

IndoBERT-Lite trained by Indo Benchmark and fine-tuned on Translated SQuAD 2.0 for Q&A downstream task.

Model in action

Fast usage with pipelines:

from transformers import BertTokenizerFast, pipeline

tokenizer = BertTokenizerFast.from_pretrained(
    'Wikidepia/indobert-lite-squad'
)
qa_pipeline = pipeline(
    "question-answering",
    model="Wikidepia/indobert-lite-squad",
    tokenizer=tokenizer
)

qa_pipeline({
    'context': "Setelah menghabiskan waktu satu tahun di Praha, Einstein tinggal di Swiss antara tahun 1895 dan 1914, melepas kewarganegaraan Jermannya pada tahun 1896, dan lulus sarjana dari sekolah politeknik federal Swiss (kelak Eidgenössische Technische Hochschule, ETH) di Zürich pada tahun 1900.",
    'question': "Kapan Einstein melepas kewarganegaraan Jerman?"
})

Output:

{
   "score":0.9799205660820007,
   "start":147,
   "end":151,
   "answer":"1896"
}

README copied from mrm8488's repository

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
AlbertForQuestionAnswering
Ревизия весов
9d94c62

0 моделей