/ Модель

Характеристики

Контекст
514 токенов
Параметры
305 млн
Лицензия
MIT
Архитектура
xlm-roberta · dense
Базовая модель
xlm-roberta-base
Опубликована
7 фев 2024

xlm-roberta-base-finetuned-mlqa

Ответы на вопросыТекст → текст6 профессий

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

13скачиваний за 30 дней0лайковвеса обновлены7 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/xlm-roberta-base-finetuned-mlqa — модель XLM-RoBERTa-Base, дообученная для ответов на вопросы. Она предназначена для извлечения ответа из предоставленного контекста по вопросу. Модель содержит 305,2 млн параметров, использует архитектуру XLM-RoBERTa и доступна в формате TensorFlow; нативный контекст составляет 514 токенов. Базовая модель — FacebookAI/xlm-roberta-base.

По карточке модель дообучена на наборе данных, который не назван; приведены результаты обучения и валидации, но подробности назначения и оценки качества отсутствуют. Лицензия — MIT.

Сценарии применения

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

Ограничения

Данные для дообучения не названы, а описание ограничений и подробная оценка качества отсутствуют. Контекст ограничен 514 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/xlm-roberta-base-finetuned-mlqa

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

  • Train Loss: 0.5409
  • Validation Loss: 0.0
  • Epoch: 4

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': 9540, '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
2.01740.00
1.03190.01
0.80210.02
0.63850.03
0.54090.04

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
de074e5

0 моделей