/ Модель
Каталог

Характеристики

Контекст
512 токенов
Лицензия
Apache 2.0
Архитектура
distilbert · dense
Опубликована
6 июл 2022

Ссылки

Hugging Face

distilbert-base-uncased-finetuned-squad

chiendvhust
Ответы на вопросыТекст → текст6 профессий

Дообученная на SQuAD модель DistilBERT извлекает ответы на вопросы из англоязычного текста.

39скачиваний за 30 дней0лайковвеса обновлены3 авг 2022

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

chiendvhust/distilbert-base-uncased-finetuned-squad — модель DistilBERT, дообученная на наборе SQuAD для извлечения ответов из текста по вопросу. Она принимает вопрос вместе с контекстом и предсказывает фрагмент контекста в качестве ответа. Модель использует архитектуру DistilBertForQuestionAnswering, распространяется в формате PyTorch и рассчитана на контекст до 512 токенов.

Модель подходит для поиска ответов в предоставленном тексте и создания простых систем вопросно-ответного поиска. В README приведено значение loss 1.2178 на оценочной выборке, но дополнительных сведений о метриках и ограничениях нет. Обучение описано для англоязычного SQuAD; лицензия — Apache-2.0.

Сценарии применения

  • извлечение ответа из статьи по вопросу
  • поиск фактов в предоставленном отрывке текста
  • создание вопросно-ответного поиска по англоязычным документам

Ограничения

Обучение ориентировано на англоязычный SQuAD, а максимальный контекст составляет 512 токенов. README не приводит подробных метрик качества или описания ограничений.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.1Универсальные способностиПоиск и навигация по информацииAI помогает находить нужные сведения и помогать человеку быстро переходить от вопроса к подтверждённому источнику.18 задач13 467моделейI.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модельII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейI.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022модели

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

distilbert-base-uncased-finetuned-squad

This model is a fine-tuned version of distilbert-base-uncased on the squad dataset. It achieves the following results on the evaluation set:

  • Loss: 1.2178

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:

  • learning_rate: 2e-05
  • train_batch_size: 16
  • eval_batch_size: 16
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 1

Training results

Training LossEpochStepValidation Loss
1.27471.055331.2178

Framework versions

  • Transformers 4.18.0
  • Pytorch 1.11.0
  • Datasets 2.1.0
  • Tokenizers 0.12.1

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · question-answering

Можно запустить

Подбираем GPU…

Класс архитектуры
DistilBertForQuestionAnswering
Ревизия весов
090ebaf

0 моделей

    Создать бенчмарк