/ Модель

Характеристики

Контекст
512 токенов
Параметры
40 млн
Лицензия
CC BY 4.0
Архитектура
bert · dense
Базовая модель
minilm-uncased-squad2
Опубликована
4 дек 2023

minilm-uncased-squad2-agric-041223

Ответы на вопросыТекст → текст3 профессии

Англоязычная экстрактивная QA-модель на базе MiniLM для извлечения ответов из текста по вопросу.

8скачиваний за 30 дней0лайковвеса обновлены23 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/minilm-uncased-squad2-agric-041223 — англоязычная модель для ответов на вопросы, дообученная на базе deepset/minilm-uncased-squad2. Она использует архитектуру BERT и предназначена для извлечения ответа из предоставленного текста; размер модели — около 40 млн параметров, максимальный контекст — 512 токенов. Репозиторий содержит модель в формате TensorFlow.

В README указаны результаты обучения: train loss 0,9972, validation loss 0,0 и 14 эпох. Датасет дообучения и подробности оценки не описаны, поэтому качество на новых данных и специализацию на сельском хозяйстве оценить нельзя. Лицензия — CC BY 4.0.

Сценарии применения

  • извлечение ответа из англоязычного текста по вопросу
  • ответы на вопросы по документам
  • поиск фактов в предоставленном тексте

Ограничения

Датасет дообучения неизвестен, а указанные метрики не сопровождаются описанием оценочного набора; поэтому специализация и качество на практических данных неясны. Контекст ограничен 512 токенами.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

badokorach/minilm-uncased-squad2-agric-041223

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: 0.9972
  • 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: {'inner_optimizer': {'module': 'transformers.optimization_tf', 'class_name': 'AdamWeightDecay', 'config': {'name': 'AdamWeightDecay', 'learning_rate': {'module': 'keras.optimizers.schedules', 'class_name': 'PolynomialDecay', 'config': {'initial_learning_rate': 1e-05, 'decay_steps': 1380, 'end_learning_rate': 0.0, 'power': 1.0, 'cycle': False, 'name': None}, 'registered_name': None}, 'decay': 0.0, 'beta_1': 0.8999999761581421, 'beta_2': 0.9990000128746033, 'epsilon': 1e-08, 'amsgrad': False, 'weight_decay_rate': 0.001}, 'registered_name': 'AdamWeightDecay'}, 'dynamic': True, 'initial_scale': 32768.0, 'dynamic_growth_steps': 2000}
  • training_precision: mixed_float16

Training results

Train LossValidation LossEpoch
2.56550.00
2.07390.01
1.85720.02
1.67600.03
1.52340.04
1.39780.05
1.32690.06
1.21990.07
1.18210.08
1.13770.09
1.08460.010
1.06070.011
1.01230.012
1.01120.013
0.99720.014

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
e67fc9a

0 моделей