/ Модель

Характеристики

Контекст
512 токенов
Параметры
190 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Базовая модель
bert-fa-base-uncased
Библиотека
transformers
Опубликована
28 сен 2026

bert-fa-base-uncased-finetuned-nestedRewrite_QA

Ответы на вопросыТекст → текст3 профессии

Персидская модель BERT для извлечения ответов на вопросы из текста.

82скачиваний за 30 дней0лайковвеса обновлены28 сен 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

Z-Jafari/bert-fa-base-uncased-finetuned-nestedRewrite_QA — персидская BERT-модель, дообученная на базе HooshvareLab/bert-fa-base-uncased для ответов на вопросы. Она предназначена для извлечения ответа из предоставленного текста по заданному вопросу. Модель содержит 190 млн параметров, принимает текст и поддерживает контекст длиной до 512 токенов.

В README приведены результаты оценки: exact match 72,3 и F1 75,96. Датасет, на котором выполнялось дообучение, не назван, а описание обучения и ограничений отсутствует. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • поиск ответа на вопрос в персидском тексте
  • извлечение фактов из персидских документов
  • создание системы вопросов и ответов по персидским материалам

Ограничения

Данные для дообучения не названы, поэтому результаты могут не отражать качество на других типах текстов. 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

bert-fa-base-uncased-finetuned-nestedRewrite_QA

This model is a fine-tuned version of HooshvareLab/bert-fa-base-uncased on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 1.4838
  • {'exact_match': 72.3, 'f1': 75.96127432485267}

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
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation Loss
0.71031.020181.0847
0.39902.040361.2622
0.23823.060541.4838

Framework versions

  • Transformers 5.16.1
  • Pytorch 2.11.0+cu128
  • Datasets 4.8.5
  • Tokenizers 0.23.1

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
BertForQuestionAnswering
Ревизия весов
6f7c8c3

0 моделей