/ Модель

Характеристики

Контекст
512 токенов
Параметры
136 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Базовая модель
bert-base-cased
Опубликована
25 июл 2023

bert-finetuned-squad

Ответы на вопросыТекст → текст7 профессий

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

9скачиваний за 30 дней0лайковвеса обновлены25 июл 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-finetuned-squad — модель семейства BERT, дообученная на основе google-bert/bert-base-cased для ответа на вопросы. Она принимает текст с вопросом и контекстом и предназначена для извлечения ответа из предоставленного контекста. Модель содержит 135,5 млн параметров, поддерживает контекст до 512 токенов и опубликована в формате TensorFlow.

Карточка сообщает о двух эпохах обучения и значении Train Loss 0,5693, но не раскрывает обучающий датасет, оценочные метрики и подробные ограничения. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • Извлечение ответа из статьи по заданному вопросу
  • Ответы на вопросы по фрагментам документов
  • Поиск фактов в тексте по естественно-языковому запросу

Ограничения

Обучающий датасет и подробные метрики качества в карточке не указаны. Контекст ограничен 512 токенами.

Для каких профессий подходит7

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-squad

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

  • Train Loss: 0.5693
  • Epoch: 2

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': {'class_name': 'PolynomialDecay', 'config': {'initial_learning_rate': 2e-05, 'decay_steps': 16635, 'end_learning_rate': 0.0, 'power': 1.0, 'cycle': False, 'name': None}}, 'decay': 0.0, 'beta_1': 0.9, 'beta_2': 0.999, 'epsilon': 1e-08, 'amsgrad': False, 'weight_decay_rate': 0.01}
  • training_precision: mixed_float16

Training results

Train LossEpoch
1.28340
0.78641
0.56932

Framework versions

  • Transformers 4.31.0
  • TensorFlow 2.12.0
  • Datasets 2.14.0
  • Tokenizers 0.13.3

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
49991f9

0 моделей