/ Модель
Каталог

Характеристики

Контекст
512 токенов
Параметры
409 млн
Лицензия
CC BY-SA 4.0
Архитектура
bert · dense
Опубликована
1 дек 2022

Ссылки

Hugging Face

bert-large-japanese-wikipedia-ud-head-finetuned-inquiry

anhcanvasasia
Ответы на вопросыТекст → текст3 профессии

Дообученная японская BERT-large модель для извлечения ответов на вопросы из текста.

126скачиваний за 30 дней0лайковвеса обновлены5 дек 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

Модель anhcanvasasia/bert-large-japanese-wikipedia-ud-head-finetuned-inquiry — вариант BERT-large, дообученный на базе KoichiYasuoka/bert-large-japanese-wikipedia-ud-head для ответа на вопросы. В README набор данных для дообучения не назван; архитектура — плотная модель BERT с головой BertForQuestionAnswering, размер составляет 409,1 млн параметров, контекст — до 512 токенов.

Модель предназначена для извлечения ответов на вопросы из предоставленного текста на японском языке, что подходит, например, для поиска ответов в японских статьях Википедии. В README приведён результат оценки Loss 1,9130, но подробности набора данных и методики оценки отсутствуют.

Модель распространяется по лицензии CC BY-SA 4.0. Практическое качество на иных данных не подтверждено; для применения стоит проверить её на целевых текстах и вопросах.

Сценарии применения

  • Поиск ответа на вопрос в статье японской Википедии
  • Извлечение факта из японского текста по заданному вопросу
  • Создание прототипа системы вопросно-ответного поиска по японским документам

Ограничения

Набор данных дообучения и подробности оценки не указаны; приведён только показатель Loss 1,9130. Практическая точность на других текстах не установлена, а контекст ограничен 512 токенами.

Для каких профессий подходит3

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 467моделейI.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модельI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

bert-large-japanese-wikipedia-ud-head-finetuned-squad

This model is a fine-tuned version of KoichiYasuoka/bert-large-japanese-wikipedia-ud-head on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 1.9130

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: 4
  • eval_batch_size: 4
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 3

Training results

Training LossEpochStepValidation Loss
No log1.0501.9136
No log2.01001.9691
No log3.01501.9130

Framework versions

  • Transformers 4.24.0
  • Pytorch 1.12.1+cu113
  • Datasets 2.7.1
  • Tokenizers 0.13.2

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
BertForQuestionAnswering
Ревизия весов
cb9519f

0 моделей

    Создать бенчмарк