/ Модель

Характеристики

Контекст
512 токенов
Параметры
59,7 млн
Лицензия
MIT
Архитектура
mobilebert · dense
Базовая модель
mobilebert-uncased-squad-v2
Опубликована
3 дек 2023

mobilebert-uncased-finetuned-agic-031223

Ответы на вопросыТекст → текст

Компактная MobileBERT-модель для поиска ответов на вопросы в англоязычном тексте.

11скачиваний за 30 дней0лайковвеса обновлены21 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/mobilebert-uncased-finetuned-agic-031223 — компактная модель MobileBERT, дообученная на основе csarron/mobilebert-uncased-squad-v2 для ответа на вопросы по тексту. Модель содержит 59,7 млн параметров, принимает текст вопроса и контекст и предсказывает ответ либо отсутствие ответа; максимальная длина контекста — 512 токенов. Репозиторий содержит веса в формате TensorFlow.

Модель подходит для извлечения ответов из предоставленного англоязычного текста. В карточке указаны результаты обучения: 14 эпох, train loss 1,1210 и validation loss 0,0; датасет дообучения не описан, поэтому эти значения не позволяют оценить обобщающую способность. Лицензия — MIT.

Сценарии применения

  • извлечение ответа из статьи по заданному вопросу
  • ответы на вопросы по справочным материалам
  • поиск фактов в предоставленном англоязычном контексте

Ограничения

Данные дообучения не описаны, а качество на независимых наборах не приведено. Контекст ограничен 512 токенами.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

badokorach/mobilebert-uncased-finetuned-agic-031223

This model is a fine-tuned version of csarron/mobilebert-uncased-squad-v2 on an unknown dataset. It achieves the following results on the evaluation set:

  • Train Loss: 1.1210
  • 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: {'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': 0.9, 'beta_2': 0.999, 'epsilon': 1e-08, 'amsgrad': False, 'weight_decay_rate': 0.02}
  • training_precision: mixed_float16

Training results

Train LossValidation LossEpoch
2.54680.00
2.13020.01
1.94140.02
1.80900.03
1.70320.04
1.57210.05
1.50430.06
1.40820.07
1.33070.08
1.27820.09
1.24260.010
1.20360.011
1.17840.012
1.11510.013
1.12100.014

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
MobileBertForQuestionAnswering
Ревизия весов
f9e7b31

0 моделей