Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: distilbert-base-uncased-distilled-squad-finetuned-SRH-v1
Опубликована: 22 апр 2024

Ссылки

Hugging Face

distilbert-base-uncased-distilled-squad-BiLSTM-finetuned-squad-Step1-v2

allistair99

Языковая модель

Дообученная модель DistilBERT извлекает ответы на вопросы из текста длиной до 512 токенов.

8скачиваний за 30 дней0лайковвеса обновлены22 апр 2024

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

allistair99/distilbert-base-uncased-distilled-squad-BiLSTM-finetuned-squad-Step1-v2 — дообученная модель на базе DistilBERT для извлечения ответов на вопросы из предоставленного текста. Архитектура модели — DistilBERT с головой для question answering; в названии также упоминается BiLSTM, но карточка не уточняет его роль. Контекст ограничен 512 токенами.

Модель подходит для поиска ответа в тексте, например, при разборе документов или создании системы вопросов и ответов. Датасет обучения, результаты оценки и конкретные ограничения в карточке не описаны. Модель опубликована в формате safetensors под лицензией Apache-2.0.

Сценарии применения

извлечение ответа из абзаца по вопросу
поиск ответа в тексте документа
создание системы вопросов и ответов по текстовым материалам

Ограничения

Датасет обучения и результаты оценки не описаны. Контекст ограничен 512 токенами.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

distilbert-base-uncased-distilled-squad-BiLSTM-finetuned-squad-Step1-v2

This model is a fine-tuned version of allistair99/distilbert-base-uncased-distilled-squad-finetuned-SRH-v1 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: 5e-05
train_batch_size: 8
eval_batch_size: 8
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
lr_scheduler_warmup_steps: 500
num_epochs: 3

Training results

Framework versions

Transformers 4.38.2
Pytorch 2.2.1+cu121
Datasets 2.19.0
Tokenizers 0.15.2

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

У модели не указана задача.

Класс архитектуры: DistilBertForQuestionAnswering1
Ревизия весов: c4021ba