/ Модель

Характеристики

Контекст
514 токенов
Параметры
152 млн
Лицензия
Apache 2.0
Архитектура
roberta · dense
Базовая модель
MRR-Latest-21-7
Опубликована
8 авг 2023

MRR_QA_15K_UNTIL_2_08_FINRTUNED_ON_21_7_MODEL

Ответы на вопросыТекст → текст

Дообученная на базе RoBERTa модель для извлечения ответов на вопросы из текстового контекста.

7скачиваний за 30 дней0лайковвеса обновлены8 авг 2023

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

MRR_QA_15K_UNTIL_2_08_FINRTUNED_ON_21_7_MODEL — модель семейства RoBERTa, разработанная am-infoweb и дообученная на базе am-infoweb/MRR-Latest-21-7 для ответа на вопросы. Она принимает текст с вопросом и контекстом и предназначена для извлечения ответа из контекста. В репозитории указано 151,8 млн параметров, контекст до 514 токенов и формат PyTorch.

В карточке приведено значение Loss 1,0308 на оценочном наборе, однако сведения о наборе данных, методике оценки и практических ограничениях отсутствуют. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • извлечение ответа из предоставленного текста
  • ответы на вопросы по документам
  • поиск факта в коротком контексте

Ограничения

Контекст ограничен 514 токенами. В README не описаны обучающие данные и методика оценки; приведённый Loss 1,0308 недостаточен для вывода о качестве в практических задачах.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

MRR_QA_15K_UNTIL_2_08_FINRTUNED_ON_21_7_MODEL

This model is a fine-tuned version of am-infoweb/MRR-Latest-21-7 on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 1.0308

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: 1
  • eval_batch_size: 1
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 10

Training results

Training LossEpochStepValidation Loss
1.031.0115941.0591
0.96162.0231880.8061
0.83573.0347820.9515
0.72174.0463760.8091
0.65585.0579700.8454
0.61756.0695640.7826
0.44797.0811580.9225
0.35618.0927520.8987
0.36359.01043460.9856
0.364710.01159401.0308

Framework versions

  • Transformers 4.32.0.dev0
  • Pytorch 2.0.1+cu117
  • Datasets 2.13.1
  • Tokenizers 0.13.3

Как запустить

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

GPU в ailist

Универсальный рантайм · question-answering

Можно запустить

Подбираем GPU…

Класс архитектуры
RobertaForQuestionAnswering
Ревизия весов
1448dc4

0 моделей