Характеристики

Контекст: 512 токенов
Параметры: 129 млн
Лицензия: Apache 2.0
Архитектура: bert · dense
Базовая модель: chinese-lert-base
Библиотека: transformers
Опубликована: 23 сен 2024

Ссылки

Hugging Face

adl_hw1_qa_model_lert

b09501048

Ответы на вопросыТекст → текст3 профессии

Дообученная китайская BERT-модель для извлечения ответов на вопросы из контекста.

12скачиваний за 30 дней0лайковвеса обновлены23 сен 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

adlhw1qamodellert — модель на архитектуре BERT, дообученная на основе hfl/chinese-lert-base для ответов на вопросы. Она предназначена для извлечения ответа из предоставленного контекста по заданному вопросу. В репозитории указаны 129,5 млн параметров, контекст до 512 токенов и формат весов safetensors; базовая модель рассчитана на обработку китайского языка.

В README приведено значение loss 0,6023 на оценочном наборе, но датасет, методика оценки и подробные сценарии применения не описаны. Модель выпущена под лицензией Apache-2.0.

Сценарии применения

извлечение ответа из китайского текста по вопросу
ответы на вопросы по китайским документам
поиск фрагмента с ответом в китайском контексте

Ограничения

README не сообщает состав обучающих данных и подробные результаты оценки; указан только loss 0,6023 на оценочном наборе. 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 467моделей I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель I.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

adl_hw1_qa_model_lert

This model is a fine-tuned version of hfl/chinese-lert-base on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.6023

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: 96
eval_batch_size: 96
seed: 42
gradient_accumulation_steps: 4
total_train_batch_size: 384
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 3

Training results

Training Loss	Epoch	Step	Validation Loss
No log	0.9868	56	0.7110
No log	1.9912	113	0.6042
No log	2.9604	168	0.6023

Framework versions

Transformers 4.44.2
Pytorch 2.4.1+cu121
Datasets 3.0.0
Tokenizers 0.19.1

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · question-answering

Можно запустить

Подбираем GPU…

Класс архитектуры: BertForQuestionAnswering
Ревизия весов: 580adcf