Характеристики

Контекст: 512 токенов
Параметры: 80,1 млн
Лицензия: MIT
Архитектура: bert · dense
Базовая модель: tinybert-6l-768d-squad2
Опубликована: 6 авг 2024

Ссылки

Hugging Face

tinybert-6l-768d-BiLSTM-finetuned-squad-optiparam

allistair99

Языковая модель

Дообученная компактная BERT-модель для извлечения ответов на вопросы из текста на английском языке.

9скачиваний за 30 дней0лайковвеса обновлены6 авг 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/tinybert-6l-768d-BiLSTM-finetuned-squad-optiparam — дообученная модель на архитектуре BERT, основанная на deepset/tinybert-6l-768d-squad2. Она предназначена для извлечения ответов на вопросы из предоставленного текста: пользователь задаёт вопрос и передаёт контекст, а модель находит в нём фрагмент с ответом. Размер модели — 80,1 млн параметров, максимальная длина контекста — 512 токенов. Веса опубликованы в формате safetensors.

В карточке приведён результат оценки: loss 1,0985; обучающий датасет не назван, поэтому оценить обобщающую способность по этой метрике нельзя. Базовая модель ориентирована на английский язык. Модель распространяется по лицензии MIT.

Сценарии применения

поиск ответа на вопрос в заданном отрывке текста
извлечение ответа из статьи или документа
построение англоязычной системы вопросно-ответного поиска

Ограничения

Датасет дообучения не указан, а приведённая метрика loss сама по себе не позволяет судить о качестве ответов. Контекст ограничен 512 токенами; модель рассчитана на английский язык.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

tinybert-6l-768d-BiLSTM-finetuned-squad-optiparam

This model is a fine-tuned version of deepset/tinybert-6l-768d-squad2 on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 1.0985

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: 3e-05
train_batch_size: 6
eval_batch_size: 60
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 2

Training results

Training Loss	Epoch	Step	Validation Loss
0.4107	1.0	14619	1.0882
0.396	2.0	29238	1.0985

Framework versions

Transformers 4.40.0
Pytorch 2.3.1+cu121
Datasets 2.20.0
Tokenizers 0.19.1

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: BertForQuestionAnswering1
Ревизия весов: 82ebbfc