/ Модель

Характеристики

Контекст
512 токенов
Параметры
136 млн
Лицензия
CC BY 4.0
Архитектура
bert · dense
Базовая модель
bert-base-cased-squad2
Опубликована
5 дек 2023

bert-base-cased-squad2-agic2-051223

Ответы на вопросыТекст → текст3 профессии

Дообученная англоязычная модель BERT извлекает ответы на вопросы из предоставленного текста.

17скачиваний за 30 дней0лайковвеса обновлены18 дек 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

badokorach/bert-base-cased-squad2-agic2-051223 — дообученная модель BERT для извлечения ответов на вопросы из текста. Она основана на deepset/bert-base-cased-squad2 и содержит 135,5 млн параметров. Модель принимает вопрос и контекст, после чего выделяет ответный фрагмент текста; поддерживаемая задача — question-answering.

Модель рассчитана на англоязычные сценарии поиска ответа в предоставленном тексте. Максимальный контекст составляет 512 токенов. В README указаны результаты обучения: train loss 0,2158, validation loss 0,0 на 19-й эпохе; сведения о наборе данных, методике оценки и практическом качестве не приведены. Распространяется по лицензии CC BY 4.0.

Сценарии применения

  • поиск ответа на вопрос в тексте на английском языке
  • извлечение фактов из англоязычных документов
  • ответы по содержимому коротких текстовых фрагментов

Ограничения

Контекст ограничен 512 токенами. Датасет дообучения неизвестен, а указанный validation loss 0,0 не сопровождается описанием набора или методики оценки, поэтому практическое качество по карточке оценить нельзя.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

badokorach/bert-base-cased-squad2-agic2-051223

This model is a fine-tuned version of deepset/bert-base-cased-squad2 on an unknown dataset. It achieves the following results on the evaluation set:

  • Train Loss: 0.2158
  • 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': 1840, '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
2.71680.00
2.03000.01
1.66920.02
1.37580.03
1.17080.04
0.93070.05
0.79260.06
0.70190.07
0.58320.08
0.50660.09
0.45630.010
0.37540.011
0.32980.012
0.30640.013
0.26510.014
0.25280.015
0.24020.016
0.22490.017
0.22710.018
0.21580.019

Framework versions

  • Transformers 4.35.2
  • TensorFlow 2.15.0
  • Datasets 2.15.0
  • Tokenizers 0.15.0

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
BertForQuestionAnswering
Ревизия весов
ae0b148

0 моделей