/ Модель

Характеристики

Контекст
514 токенов
Параметры
305 млн
Лицензия
MIT
Архитектура
xlm-roberta · dense
Базовая модель
xlm-roberta-base-finetuned-mlqa
Опубликована
18 дек 2023

roberta-base-squad2-agric-181223

Ответы на вопросыТекст → текст

Дообученная XLM-RoBERTa-модель для извлечения ответов из контекста по вопросу.

8скачиваний за 30 дней0лайковвеса обновлены8 фев 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/roberta-base-squad2-agric-181223 — модель для ответов на вопросы, дообученная автором badokorach на основе badokorach/xlm-roberta-base-finetuned-mlqa. Она использует архитектуру XLM-RoBERTa с головой XLMRobertaForQuestionAnswering и содержит 305,2 млн параметров. Модель предназначена для извлечения ответа из контекста по заданному вопросу.

В карточке указаны результаты обучения: Train Loss 0,2800, Validation Loss 0,0 и 19-я эпоха. Датасет и подробности оценки не описаны, поэтому эти значения сами по себе не позволяют судить о качестве на новых данных. Доступна в формате TensorFlow и распространяется по лицензии MIT.

Сценарии применения

  • извлечение ответа из текста по вопросу
  • ответы на вопросы по документам
  • поиск фактического ответа в предоставленном контексте

Ограничения

Датасет обучения и подробности оценки не указаны; значение Validation Loss 0,0 без контекста методики не подтверждает качество на новых данных.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

badokorach/roberta-base-squad2-agric-181223

This model is a fine-tuned version of badokorach/xlm-roberta-base-finetuned-mlqa on an unknown dataset. It achieves the following results on the evaluation set:

  • Train Loss: 0.2800
  • 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': 2e-05, 'decay_steps': 1260, '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
2.42410.00
1.85920.01
1.55560.02
1.34100.03
1.16920.04
1.03260.05
0.89980.06
0.78980.07
0.72920.08
0.61930.09
0.56540.010
0.50040.011
0.45890.012
0.38700.013
0.38010.014
0.36260.015
0.32330.016
0.29630.017
0.29000.018
0.28000.019

Framework versions

  • Transformers 4.35.2
  • TensorFlow 2.15.0
  • Datasets 2.16.1
  • Tokenizers 0.15.1

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
XLMRobertaForQuestionAnswering
Ревизия весов
5ea6dc9

0 моделей