/ Модель

Характеристики

Контекст
512 токенов
Параметры
32,4 млн
Архитектура
bert · dense
Базовая модель
bert-small-finetuned-squadv2
Опубликована
21 янв 2024

bert-finetuned-210124

Ответы на вопросыТекст → текст3 профессии

Компактная дообученная BERT-модель отвечает на вопросы по англоязычному текстовому контексту.

7скачиваний за 30 дней0лайковвеса обновлены21 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

Компактная модель BERT для ответов на вопросы по заданному текстовому контексту. Это дообученная версия mrm8488/bert-small-finetuned-squadv2 с 32,4 млн параметров; модель построена на плотной архитектуре BERT и распространяется в формате TensorFlow. Она предназначена для извлечения ответа из предоставленного контекста и может воздержаться от ответа, если нужных сведений в нём нет. Максимальная длина контекста — 512 токенов.

В карточке указаны результаты обучения: train loss 1,1458, validation loss 0,0 и 13 эпох, однако набор данных неизвестен, а описание модели и ограничений не раскрыто. Базовая модель англоязычная, поэтому её основное применение — вопросы по текстам на английском языке. Лицензия в предоставленных данных не указана.

Сценарии применения

  • извлечение ответов из англоязычных документов
  • ответы на вопросы по фрагменту текста
  • поиск фактов в предоставленном контексте

Ограничения

Данные обучения неизвестны, а сведения о качестве и ограничениях модели в README не приведены. Контекст ограничен 512 токенами; для этой версии указана нулевая validation loss, но метрика не объяснена.

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-finetuned-210124

This model is a fine-tuned version of mrm8488/bert-small-finetuned-squadv2 on an unknown dataset. It achieves the following results on the evaluation set:

  • Train Loss: 1.1458
  • Validation Loss: 0.0
  • Epoch: 13

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: {'inner_optimizer': {'module': 'transformers.optimization_tf', 'class_name': 'AdamWeightDecay', 'config': {'name': 'AdamWeightDecay', 'learning_rate': {'module': 'keras.optimizers.schedules', 'class_name': 'PolynomialDecay', 'config': {'initial_learning_rate': 1e-05, 'decay_steps': 1380, 'end_learning_rate': 0.0, 'power': 1.0, 'cycle': False, 'name': None}, 'registered_name': None}, 'decay': 0.0, 'beta_1': 0.8999999761581421, 'beta_2': 0.9990000128746033, 'epsilon': 1e-08, 'amsgrad': False, 'weight_decay_rate': 0.02}, 'registered_name': 'AdamWeightDecay'}, 'dynamic': True, 'initial_scale': 32768.0, 'dynamic_growth_steps': 2000}
  • training_precision: mixed_float16

Training results

Train LossValidation LossEpoch
2.81570.00
2.41170.01
2.18100.02
1.99090.03
1.83010.04
1.69530.05
1.54530.06
1.46130.07
1.38600.08
1.29810.09
1.24310.010
1.20230.011
1.16270.012
1.14580.013

Framework versions

  • Transformers 4.35.2
  • TensorFlow 2.15.0
  • Datasets 2.16.1
  • 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
5318d57

0 моделей