/ Модель

Характеристики

Контекст
514 токенов
Параметры
305 млн
Лицензия
MIT
Архитектура
xlm-roberta · dense
Базовая модель
afriqa_afroxlmr_squad_v2_060124
Опубликована
29 янв 2024

afriqa_afroxlmr_lug_290124

Ответы на вопросыТекст → текст6 профессий

Дообученная на базе XLM-RoBERTa модель для извлечения ответов из текста по вопросам.

6скачиваний за 30 дней0лайковвеса обновлены29 янв 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

Модель badokorach/afriqa_afroxlmr_lug_290124 — дообученная версия badokorach/afriqa_afroxlmr_squad_v2_060124 для ответов на вопросы. Она построена на архитектуре XLM-RoBERTa и содержит 305,2 млн параметров; опубликована в формате TensorFlow. Модель предназначена для извлечения ответа из текста по заданному вопросу, а карточка указывает контекст длиной до 514 токенов.

В README приведены значения потерь на обучении и валидации, однако набор данных, языки, сценарии применения и ограничения не описаны. Модель распространяется по лицензии MIT.

Сценарии применения

  • поиск ответа на вопрос в предоставленном тексте
  • автоматизация ответов на вопросы по документам
  • извлечение фактов из текста по запросу

Ограничения

В README не описаны обучающие данные и ограничения; также приведённые значения потерь не сопровождаются подробностями оценки.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

badokorach/afriqa_afroxlmr_lug_290124

This model is a fine-tuned version of badokorach/afriqa_afroxlmr_squad_v2_060124 on an unknown dataset. It achieves the following results on the evaluation set:

  • Train Loss: 0.0002
  • Validation Loss: 0.0
  • Epoch: 19

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:

  • optimizer: {'name': 'AdamWeightDecay', 'learning_rate': {'module': 'keras.optimizers.schedules', 'class_name': 'PolynomialDecay', 'config': {'initial_learning_rate': 1e-05, 'decay_steps': 3040, 'end_learning_rate': 0.0, 'power': 1.0, 'cycle': False, 'name': None}, 'registered_name': None}, 'decay': 0.0, 'beta_1': 0.9, 'beta_2': 0.999, 'epsilon': 1e-08, 'amsgrad': False, 'weight_decay_rate': 0.02}
  • training_precision: mixed_float16

Training results

Train LossValidation LossEpoch
0.18290.00
0.01830.01
0.01120.02
0.00800.03
0.00420.04
0.00190.05
0.00240.06
0.00080.07
0.00360.08
0.00390.09
0.00040.010
0.00120.011
0.00080.012
0.00090.013
0.00050.014
0.00230.015
0.00030.016
0.00030.017
0.00020.018
0.00020.019

Framework versions

  • Transformers 4.35.2
  • TensorFlow 2.15.0
  • Datasets 2.16.1
  • Tokenizers 0.15.1

Как запустить

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

GPU в ailist

Универсальный рантайм · question-answering

Нельзя запустить

В репозитории нет весов в формате PyTorch/safetensors.

Класс архитектуры
XLMRobertaForQuestionAnswering
Ревизия весов
0d83959

0 моделей