Характеристики

Контекст: 514 токенов
Параметры: 152 млн
Лицензия: MIT
Архитектура: roberta · dense
Базовая модель: roberta-base
Библиотека: transformers
Опубликована: 24 июл 2026

Ссылки

Hugging Face

bert-finetuned-squad

abec0516

Ответы на вопросыТекст → текст7 профессий

Дообученная RoBERTa-модель извлекает ответы на вопросы из текста.

9скачиваний за 30 дней0лайковвеса обновлены31 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

abec0516/bert-finetuned-squad — модель RobertaForQuestionAnswering, дообученная на основе FacebookAI/roberta-base для ответа на вопросы по предоставленному контексту. Она подходит для извлечения ответа из текста, например при поиске сведений в документах или создании систем вопросов и ответов. Модель содержит 151,8 млн параметров, использует библиотеку Transformers и принимает контекст длиной до 514 токенов. Данные дообучения не описаны; карточка также не приводит сведений об оценке качества и ограничениях. Лицензия — MIT.

Сценарии применения

Извлечение ответа из абзаца или документа
Поиск фактов в тексте по вопросу на естественном языке
Создание прототипа системы вопросов и ответов по контексту

Ограничения

Контекст ограничен 514 токенами. Датасет дообучения, языковая поддержка и результаты оценки в карточке не описаны.

Для каких профессий подходит7

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

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

bert-finetuned-squad

This model is a fine-tuned version of roberta-base on an unknown dataset.

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: 8
eval_batch_size: 8
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

Framework versions

Transformers 5.14.1
Pytorch 2.11.0+cu128
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: RobertaForQuestionAnswering
Ревизия весов: f83acd4