Характеристики

Контекст: 512 токенов
Параметры: 137 млн
Лицензия: Apache 2.0
Архитектура: bert · dense
Опубликована: 30 июл 2026

Ссылки

Hugging Face

modelo-qa-beto-finetuned-pdqa

YenLuis

Ответы на вопросыТекст → текст4 профессии

Испаноязычная BERT-модель извлекает ответы на вопросы из текстов, в частности из новостей Доминиканской Республики.

8скачиваний за 30 дней1лайквеса обновлены30 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

YenLuis/modelo-qa-beto-finetuned-pdqa — модель для извлечения ответов на вопросы на испанском языке, разработанная на основе `Lisibonny/modelo_qa_beto_squad_es_pdqa` и дообученная на наборе `Lisibonny/pdqa` с новостями Доминиканской Республики. Она использует архитектуру BERT и содержит 137,1 млн параметров; максимальная длина контекста составляет 512 токенов. Модель предназначена для поиска ответа в предоставленном тексте, например в новостной статье.

На валидации указаны Exact Match 60,00 и F1 76,93. Набор данных невелик: в обучающей и валидационной выборках вместе 60 примеров, поэтому метрики имеют высокую вариативность; модель также может хуже справляться с длинными ответами, списками имён и перечислениями. Лицензия — Apache-2.0.

Сценарии применения

поиск ответа на вопрос в статье доминиканских новостей
извлечение факта из испаноязычного текста
ответы на вопросы по новостным материалам
поиск имён, дат и событий в тексте

Ограничения

Обучающая и валидационная выборки вместе содержат всего 60 примеров, поэтому метрики могут сильно меняться. Модель может испытывать трудности с длинными ответами, списками имён и перечислениями.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей 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 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

modelo-qa-beto-finetuned-pdqa

Modelo de Question Answering extractivo en español, afinado a partir de Lisibonny/modelo_qa_beto_squad_es_pdqa sobre el dataset Lisibonny/pdqa (noticias dominicanas).

Datos de entrenamiento

Split oficial 45-15-20 (train-validation-test), estratificado por longitud de respuesta.
Semilla: 420

Hiperparámetros

Learning rate: 3e-05
Épocas: 6
Batch efectivo: 8

Resultados en validation

Exact Match: 60.00
F1: 76.93

Limitaciones conocidas

Dataset pequeño (60 ejemplos combinados de train+validation), por lo que las métricas tienen alta varianza.
El modelo puede tener dificultades con respuestas muy largas (listas de nombres, enumeraciones), aun con max_answer_len ampliado.

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: 8e5f1f6