Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Опубликована: 10 мар 2022

Ссылки

Hugging Face

toy-qa

datarpit

Ответы на вопросыТекст → текст4 профессии

Дообученная англоязычная DistilBERT-модель для извлечения ответов на вопросы из текстового контекста.

45скачиваний за 30 дней0лайковвеса обновлены10 мар 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

datarpit/toy-qa — дообученная модель DistilBERT для ответов на вопросы. Она принимает вопрос и текстовый контекст и предназначена для извлечения ответа из контекста. Модель создана на основе distilbert-base-uncased; в README приведено значение функции потерь 0,2410 на оценочном наборе, но набор данных не назван.

Модель использует архитектуру DistilBertForQuestionAnswering, формат PyTorch и контекст длиной до 512 токенов. Метаданные указывают на английский язык; лицензия — Apache-2.0. README не содержит сведений о специализации, обучающих данных или известных ограничениях, поэтому качество ответов для конкретных областей по имеющимся данным оценить нельзя.

Сценарии применения

извлечение ответа из предоставленного текста
ответы на вопросы по коротким английским документам
поиск фактов в текстовом контексте

Ограничения

Обучающий набор данных не назван, а описание ограничений и назначения в README отсутствует. Контекст ограничен 512 токенами.

Для каких профессий подходит4

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 467моделей I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

toy-qa

This model is a fine-tuned version of distilbert-base-uncased on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.2410

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 Loss	Epoch	Step	Validation Loss
1.9537	1.0	20415	0.2410

Framework versions

Transformers 4.17.0
Pytorch 1.10.0
Datasets 1.18.3
Tokenizers 0.11.6

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: cd848d6