/ Модель

Характеристики

Контекст
514 токенов
Параметры
305 млн
Лицензия
MIT
Архитектура
xlm-roberta · dense
Базовая модель
xlm-roberta-base-finetuned-pquad-squad
Библиотека
transformers
Опубликована
4 окт 2025

xlm-roberta-base-finetuned-pquad-squad-finetuned-PersianQuAD_DeepseekQA_WS_QA-10epochs

Ответы на вопросыТекст → текст3 профессии

Дообученная XLM-RoBERTa для извлечения ответов на вопросы из текста, с предполагаемой ориентацией на персидские наборы данных.

183скачиваний за 30 дней0лайковвеса обновлены4 окт 2025

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

Это модель ответов на вопросы на базе XLM-RoBERTa, дообученная Z-Jafari на модели Gholamreza/xlm-roberta-base-finetuned-pquad-squad. Она предназначена для извлечения ответа из предоставленного текста по вопросу; название указывает на дополнительное дообучение на PersianQuAD и DeepseekQA_WS в течение 10 эпох, однако README сообщает, что датасет обучения неизвестен, поэтому эти сведения нельзя подтвердить.

Модель содержит 305,2 млн параметров, использует архитектуру XLMRobertaForQuestionAnswering, библиотеку Transformers и формат Safetensors; длина контекста — 514 токенов. Лицензия — MIT. В карточке приведена оценка Loss 2,0120, но без описания методики и набора оценки она не позволяет судить о качестве в реальных сценариях.

Сценарии применения

  • извлечение ответа на вопрос из предоставленного текста
  • ответы на вопросы по персидским документам
  • поиск ответов в текстах на основе вопроса пользователя

Ограничения

README не описывает обучающие данные, предполагаемые сценарии и ограничения, поэтому специализацию на конкретных персидских наборах следует считать предположительной по названию. Контекст ограничен 514 токенами, а приведённый Loss не сопровождается методикой оценки.

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

xlm-roberta-base-finetuned-pquad-squad-finetuned-PersianQuAD_DeepseekQA_WS_QA-10epochs

This model is a fine-tuned version of Gholamreza/xlm-roberta-base-finetuned-pquad-squad on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 2.0120

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: 10

Training results

Training LossEpochStepValidation Loss
0.6351.022590.8399
0.47122.045180.8221
0.36273.067770.9052
0.26244.090361.1555
0.19885.0112951.1706
0.16226.0135541.2554
0.13917.0158131.6088
0.10788.0180721.7671
0.06969.0203311.7681
0.066610.0225902.0120

Framework versions

  • Transformers 4.56.2
  • Pytorch 2.8.0+cu126
  • Datasets 4.0.0
  • Tokenizers 0.22.1

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
XLMRobertaForQuestionAnswering
Ревизия весов
414e182

0 моделей