/ Модель

Характеристики

Контекст
512 токенов
Параметры
136 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Базовая модель
bert-finetuned-squad-2
Опубликована
4 авг 2023

bert-finetuned-squad-3

Ответы на вопросыТекст → текст

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

10скачиваний за 30 дней0лайковвеса обновлены4 авг 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-3 — модель семейства BERT, дообученная автором badokorach на основе badokorach/bert-finetuned-squad-2 для ответов на вопросы. Она принимает вопрос и текстовый контекст и предназначена для извлечения ответа из этого контекста. Модель содержит 135,5 млн параметров, её контекст ограничен 512 токенами; опубликована в формате TensorFlow.

В README указаны значение Train Loss 0,0034 и 29-я эпоха, но набор данных, методика оценки и подробности применения не описаны. Модель распространяется по лицензии Apache-2.0. Язык данных и качество на конкретных наборах задач не установлены по доступным сведениям.

Сценарии применения

  • извлечение ответа из предоставленного текста
  • ответы на вопросы по коротким документам
  • поиск факта в абзаце или фрагменте текста

Ограничения

Обучающий набор данных и подробности оценки не описаны; контекст ограничен 512 токенами. Язык модели не установлен по доступным сведениям.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

badokorach/bert-finetuned-squad-3

This model is a fine-tuned version of badokorach/bert-finetuned-squad-2 on an unknown dataset. It achieves the following results on the evaluation set:

  • Train Loss: 0.0034
  • Epoch: 29

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': {'class_name': 'AdamWeightDecay', 'config': {'name': 'AdamWeightDecay', 'learning_rate': {'class_name': 'PolynomialDecay', 'config': {'initial_learning_rate': 2e-05, 'decay_steps': 1950, '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}}, 'dynamic': True, 'initial_scale': 32768.0, 'dynamic_growth_steps': 2000}
  • training_precision: mixed_float16

Training results

Train LossEpoch
0.07550
0.09271
0.08852
0.05393
0.07174
0.04555
0.03656
0.02127
0.02048
0.02359
0.015910
0.012811
0.009812
0.013413
0.013114
0.015615
0.006016
0.009017
0.006518
0.006919
0.006220
0.007821
0.012122
0.003123
0.004024
0.003725
0.004026
0.002127
0.003128
0.003429

Framework versions

  • Transformers 4.31.0
  • TensorFlow 2.12.0
  • Datasets 2.14.3
  • 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
eb36c11

0 моделей