Характеристики

Контекст: 514 токенов
Параметры: 152 млн
Лицензия: CC BY 4.0
Архитектура: roberta · dense
Базовая модель: roberta-base-squad2
Библиотека: transformers
Опубликована: 25 ноя 2024

Ссылки

Hugging Face

roberta-finetuned-sunderlandUni-emergency-proj

dcrowleymunster

Ответы на вопросыТекст → текст

Дообученная англоязычная RoBERTa для извлечения ответов на вопросы из заданного текста.

9скачиваний за 30 дней0лайковвеса обновлены25 ноя 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

Это модель RoBERTa, дообученная автором dcrowleymunster на базе deepset/roberta-base-squad2 для ответа на вопросы по заданному тексту. Она предназначена для извлечения ответа из контекста и определения случаев, когда в нём нет ответа. Модель содержит 151,8 млн параметров, использует архитектуру RobertaForQuestionAnswering и библиотеку Transformers; длина контекста — 514 токенов.

В карточке не описаны специальная область применения, обучающий набор данных или результаты оценки качества, поэтому пригодность для экстренных сценариев определить нельзя. Лицензия — CC BY 4.0.

Сценарии применения

извлечение ответа из контекста по вопросу
определение, содержится ли ответ в тексте
поиск ответов в англоязычных документах

Ограничения

Контекст ограничен 514 токенами; сведения о качестве и обучающих данных отсутствуют. Несмотря на название репозитория, пригодность модели для экстренных сценариев не подтверждена.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

roberta-finetuned-sunderlandUni-emergency-proj

This model is a fine-tuned version of deepset/roberta-base-squad2 on the None dataset.

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: 8
eval_batch_size: 8
seed: 42
optimizer: Use adamw_torch with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
num_epochs: 20
mixed_precision_training: Native AMP

Training results

Framework versions

Transformers 4.46.2
Pytorch 2.5.1+cu121
Datasets 3.1.0
Tokenizers 0.20.3

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · question-answering

Можно запустить

Подбираем GPU…

Класс архитектуры: RobertaForQuestionAnswering
Ревизия весов: a9c795f