/ Модель

Характеристики

Контекст
512 токенов
Параметры
40 млн
Лицензия
CC BY 4.0
Архитектура
bert · dense
Базовая модель
minilm-uncased-squad2
Опубликована
6 янв 2024

minilm-uncased-finetuned-agic2-060124

Ответы на вопросыТекст → текст6 профессий

Англоязычная экстрактивная QA-модель MiniLM для извлечения ответа на вопрос из предоставленного текста.

8скачиваний за 30 дней0лайковвеса обновлены9 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

Это англоязычная экстрактивная модель вопросно-ответной системы на базе MiniLM, разработанная badokorach путём дообучения deepset/minilm-uncased-squad2 на датасете, который в карточке не раскрыт. Модель принимает текст и вопрос и извлекает ответ из предоставленного текста; её можно применять для поиска ответов в документах и фрагментах текста.

Модель построена на архитектуре BERT, содержит около 40 млн параметров и рассчитана на контекст до 512 токенов. Опубликована в формате TensorFlow под лицензией CC BY 4.0. В карточке приведены значения Train Loss 0.9804 и Validation Loss 0.0 после трёх эпох; описание датасета и сведения о надёжности оценки отсутствуют.

Сценарии применения

  • извлечение ответа из англоязычной статьи
  • ответы на вопросы по текстовым документам
  • поиск конкретного факта в отрывке текста

Ограничения

Обучающий датасет не раскрыт, а приведённые метрики не сопровождаются описанием набора оценки, поэтому качество и обобщающую способность модели трудно оценить. Контекст ограничен 512 токенами.

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/minilm-uncased-finetuned-agic2-060124

This model is a fine-tuned version of deepset/minilm-uncased-squad2 on an unknown dataset. It achieves the following results on the evaluation set:

  • Train Loss: 0.9804
  • Validation Loss: 0.0
  • Epoch: 3

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': 'Adam', 'weight_decay': None, 'clipnorm': None, 'global_clipnorm': None, 'clipvalue': None, 'use_ema': False, 'ema_momentum': 0.99, 'ema_overwrite_frequency': None, 'jit_compile': True, 'is_legacy_optimizer': False, 'learning_rate': {'module': None, 'class_name': 'CustomLearningRateScheduler', 'config': {'initial_learning_rate': 3e-05, 'decay_steps': 2088, 'warmup_steps': 232, 'end_learning_rate': 1e-05}, 'registered_name': 'CustomLearningRateScheduler'}, 'beta_1': 0.9, 'beta_2': 0.999, 'epsilon': 1e-07, 'amsgrad': False}
  • training_precision: mixed_float16

Training results

Train LossValidation LossEpoch
1.46770.00
1.42070.01
1.13680.02
0.98040.03

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
281451a

0 моделей