/ Модель

Характеристики

Контекст
512 токенов
Лицензия
Apache 2.0
Архитектура
distilbert · dense
Базовая модель
distilbert-base-uncased
Библиотека
transformers
Опубликована
3 июн 2025

my_awesome_qa_model

Ответы на вопросыТекст → текст5 профессий

Англоязычная дообученная модель DistilBERT извлекает ответы на вопросы из предоставленного текста.

19скачиваний за 30 дней0лайковвеса обновлены3 июн 2025

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

chskolymps/my_awesome_qa_model — англоязычная модель DistilBERT, дообученная для извлечения ответа на вопрос из текста. Она принимает вопрос и контекст и предназначена для сценариев вопросно-ответного поиска по текстовым материалам. Модель основана на distilbert/distilbert-base-uncased, имеет архитектуру DistilBertForQuestionAnswering и контекстное окно 512 токенов.

В README приведены значения потерь на обучающей и проверочной выборках после девяти эпох, но не описаны датасет и методика оценки, поэтому качество на других данных по этим результатам определить нельзя. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • поиск ответа на вопрос в статье
  • ответы на вопросы по документации
  • извлечение фактов из текстового контекста

Ограничения

Датасет обучения не описан, а приведённых значений потерь недостаточно для оценки качества на новых данных. Контекстное окно ограничено 512 токенами.

Для каких профессий подходит5

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

chskolymps/my_awesome_qa_model

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

  • Train Loss: 1.5953
  • Validation Loss: 1.8012
  • Epoch: 9

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': 'Adam', 'weight_decay': None, 'clipnorm': None, 'global_clipnorm': None, 'clipvalue': None, 'use_ema': False, 'ema_momentum': 0.99, 'ema_overwrite_frequency': None, 'jit_compile': True, 'is_legacy_optimizer': False, 'learning_rate': {'module': 'keras.optimizers.schedules', 'class_name': 'PolynomialDecay', 'config': {'initial_learning_rate': 2e-05, 'decay_steps': 500, 'end_learning_rate': 0.0, 'power': 1.0, 'cycle': False, 'name': None}, 'registered_name': None}, 'beta_1': 0.9, 'beta_2': 0.999, 'epsilon': 1e-08, 'amsgrad': False}
  • training_precision: float32

Training results

Train LossValidation LossEpoch
3.53462.22740
1.86211.80121
1.60761.80122
1.58971.80123
1.59421.80124
1.59011.80125
1.59801.80126
1.59171.80127
1.60241.80128
1.59531.80129

Framework versions

  • Transformers 4.52.4
  • TensorFlow 2.18.0
  • Datasets 3.6.0
  • Tokenizers 0.21.1

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · question-answering

Нельзя запустить

В репозитории нет весов в формате PyTorch/safetensors.

Класс архитектуры
DistilBertForQuestionAnswering
Ревизия весов
8f30e7d

0 моделей