/ Модель

Характеристики

Контекст
512 токенов
Лицензия
Apache 2.0
Архитектура
distilbert · dense
Базовая модель
distilbert-base-cased-distilled-squad
Опубликована
18 дек 2023

distilbert-base-cased-distilled-agric-1831223

Ответы на вопросыТекст → текст8 профессий

Дообученная модель DistilBERT для извлечения ответов на вопросы из текстового контекста.

9скачиваний 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 разработал эту модель как дообученную версию distilbert-base-cased-distilled-squad для ответов на вопросы. Это компактная модель семейства DistilBERT с архитектурой DistilBertForQuestionAnswering; она принимает текст вопроса и контекст и извлекает из контекста ответ. Модель рассчитана на контекст длиной до 512 токенов и опубликована в формате TensorFlow.

В карточке указаны результаты обучения: train loss 0,2372, validation loss 0,0 за 19 эпох. Датасет и подробные сведения о назначении, оценке и ограничениях не описаны. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • извлечение ответа из статьи по заданному вопросу
  • ответы на вопросы по фрагменту документа
  • поиск факта в тексте по естественно-языковому вопросу

Ограничения

Датасет и подробности оценки не описаны, поэтому результаты из карточки трудно интерпретировать; максимальная длина контекста — 512 токенов.

Для каких профессий подходит8

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/distilbert-base-cased-distilled-agric-1831223

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

  • Train Loss: 0.2372
  • 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
2.62660.00
1.94880.01
1.63760.02
1.39630.03
1.22630.04
1.03360.05
0.91520.06
0.77950.07
0.67710.08
0.58370.09
0.49900.010
0.42360.011
0.39910.012
0.34610.013
0.32620.014
0.30170.015
0.27660.016
0.26710.017
0.25790.018
0.23720.019

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
DistilBertForQuestionAnswering
Ревизия весов
c5d73fb

0 моделей