/ Модель

Характеристики

Контекст
512 токенов
Параметры
32,4 млн
Архитектура
bert · dense
Базовая модель
bert-finetuned-210124
Опубликована
26 янв 2024

bert-finetuned-260124

Ответы на вопросыТекст → текст6 профессий

Дообученная BERT-модель для поиска ответа на вопрос в тексте с контекстом до 512 токенов.

12скачиваний за 30 дней0лайковвеса обновлены27 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

badokorach/bert-finetuned-260124 — дообученная модель семейства BERT, разработанная пользователем badokorach на основе badokorach/bert-finetuned-210124. Модель предназначена для поиска ответа на вопрос в предоставленном тексте. Она содержит 32,4 млн параметров, принимает контекст длиной до 512 токенов и опубликована в формате TensorFlow.

В README указано дообучение на неизвестном наборе данных и приведены нулевые значения train loss и validation loss после 14 эпох; этих метрик недостаточно, чтобы судить о качестве ответов. Лицензия не указана в предоставленных данных.

Сценарии применения

  • извлечение ответа из предоставленного текста
  • ответы на вопросы по документам
  • поиск факта в коротком контексте

Ограничения

Данные обучения неизвестны, а приведённые значения потерь равны нулю и не позволяют надёжно оценить качество. Лицензия в доступных данных не указана.

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/bert-finetuned-260124

This model is a fine-tuned version of badokorach/bert-finetuned-210124 on an unknown dataset. It achieves the following results on the evaluation set:

  • Train Loss: 0.0000
  • Validation Loss: 0.0
  • Epoch: 14

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': 4560, '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
0.03570.00
0.00060.01
0.00030.02
0.00020.03
0.00010.04
0.00010.05
0.00010.06
0.00010.07
0.00000.08
0.00010.09
0.00000.010
0.00000.011
0.00000.012
0.00000.013
0.00000.014

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
BertForQuestionAnswering
Ревизия весов
071e104

0 моделей