Характеристики

Контекст: 514 токенов
Параметры: 95,2 млн
Лицензия: Apache 2.0
Архитектура: roberta · dense
Опубликована: 27 авг 2022

Ссылки

Hugging Face

distilroberta-base-task-specific-distilation-on-squad

anas-awadalla

Ответы на вопросыТекст → текст6 профессий

Дообученная на SQuAD модель DistilRoBERTa отвечает на вопросы, извлекая ответы из предоставленного текста.

31скачиваний за 30 дней0лайковвеса обновлены28 авг 2022

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

distilroberta-base-task-specific-distilation-on-squad — дообученная на датасете SQuAD модель DistilRoBERTa для ответов на вопросы по предоставленному контексту. Она использует архитектуру RoBERTa и содержит 95,2 млн параметров; заявленная длина контекста — 514 токенов. Подходит для извлечения ответов из текста в системах поиска по документам и вопросно-ответных интерфейсах. Репозиторий содержит веса PyTorch. Лицензия — Apache-2.0.

Карточка не приводит результатов оценки и дополнительных сведений о качестве или ограничениях, поэтому их нельзя подтвердить по доступным данным.

Сценарии применения

извлечение ответа на вопрос из контекста
ответы на вопросы по документам
создание вопросно-ответного интерфейса на основе текстового корпуса

Ограничения

Результаты оценки и подробные ограничения в карточке не приведены. Модель предназначена для ответов по заданному текстовому контексту; заявленный контекст ограничен 514 токенами.

Для каких профессий подходит6

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

distilroberta-base-task-specific-distilation-on-squad

This model is a fine-tuned version of distilroberta-base on the squad 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: 3e-05
train_batch_size: 32
eval_batch_size: 8
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 2.0

Training results

Framework versions

Transformers 4.20.0.dev0
Pytorch 1.11.0+cu113
Datasets 2.3.2
Tokenizers 0.11.6

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: aff252f