/ Модель

Характеристики

Контекст
514 токенов
Параметры
305 млн
Лицензия
MIT
Архитектура
xlm-roberta · dense
Базовая модель
xlm-roberta-base
Опубликована
18 авг 2023

QA_SYNTHETIC_DATA_ONLY_18_AUG_xlm-roberta-base

Ответы на вопросыТекст → текст

Дообученная XLM-RoBERTa для извлечения ответов на вопросы из текстового контекста.

4скачиваний за 30 дней0лайковвеса обновлены18 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

QA_SYNTHETIC_DATA_ONLY_18_AUG_xlm-roberta-base — модель XLM-RoBERTa, разработанная am-infoweb и дообученная на неизвестном наборе данных для извлечения ответов на вопросы. Она принимает текст вопроса и контекста и предназначена для сценариев question answering. Модель содержит 305,2 млн параметров, использует архитектуру XLMRobertaForQuestionAnswering и формат PyTorch; контекст — до 514 токенов.

Лицензия — MIT. README сообщает нулевое значение loss на оценочном наборе, но данных о наборе и методике оценки недостаточно, чтобы судить о качестве.

Сценарии применения

  • извлечение ответа из предоставленного текста
  • ответы на вопросы по коротким документам
  • поиск фактов в текстовом контексте

Ограничения

Набор обучения и подробности оценки неизвестны, поэтому заявленное значение loss 0.0000 не позволяет надёжно оценить качество. Контекст ограничен 514 токенами.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

QA_SYNTHETIC_DATA_ONLY_18_AUG_xlm-roberta-base

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

  • Loss: 0.0000

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: 2
  • eval_batch_size: 2
  • 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
0.06881.053440.0252
0.04342.0106880.0000
0.00063.0160320.0000
0.03074.0213760.0000
0.05.0267200.0000
0.01426.0320640.0001
0.07.0374080.0000
0.08.0427520.0000
0.01159.0480960.0000
0.000110.0534400.0000

Framework versions

  • Transformers 4.32.0.dev0
  • Pytorch 2.0.1+cu117
  • Datasets 2.14.4
  • 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
XLMRobertaForQuestionAnswering
Ревизия весов
a4c5318

0 моделей