Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: distilbert-base-uncased
Библиотека: transformers
Опубликована: 29 июл 2026

Ссылки

Hugging Face

my_awesome_qa_model

XRe03

Ответы на вопросыТекст → текст4 профессии

Дообученная англоязычная модель DistilBERT для ответов на вопросы по тексту.

5скачиваний за 30 дней0лайковвеса обновлены29 июл 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

XRe03/my_awesome_qa_model — модель DistilBERT, дообученная на distilbert/distilbert-base-uncased для ответа на вопросы. Она предназначена для задач question answering; карточка сообщает значение loss 1,7381 на оценочном наборе, но не описывает набор данных и условия оценки. Модель использует архитектуру DistilBertForQuestionAnswering, формат safetensors и контекст до 512 токенов. Базовая модель ориентирована на английский язык. Лицензия — Apache-2.0.

Сценарии применения

извлечение ответа на вопрос из предоставленного текста
ответы на вопросы по англоязычным документам
создание прототипа системы поиска ответов

Ограничения

Датасет обучения и подробности оценки не описаны; приведён только loss 1,7381 без контекста, поэтому качество на реальных задачах оценить нельзя.

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

my_awesome_qa_model

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: 1.7381

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	2.4861
2.7901	2.0	500	1.8546
2.7901	3.0	750	1.7381

Framework versions

Transformers 5.14.1
Pytorch 2.13.0+cu126
Datasets 5.0.1
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: 1cf2025