Характеристики

Контекст: 512 токенов
Параметры: 137 млн
Лицензия: Apache 2.0
Архитектура: bert · dense
Базовая модель: bert-base-uncased
Библиотека: transformers
Опубликована: 5 авг 2026

Ссылки

Hugging Face

multiple_choice_model

deepanshu120

Классификация и разметкаТекст → label3 профессии

Дообученная англоязычная BERT-модель для выбора ответа в задачах с несколькими вариантами.

9скачиваний за 30 дней0лайковвеса обновлены5 авг 2026

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

deepanshu120/multiple_choice_model — модель на основе BERT, дообученная разработчиком deepanshu120 для выбора правильного варианта из нескольких ответов. Она предназначена для задач multiple choice, например ответов на вопросы с вариантами ответа. Модель содержит 136,7 млн параметров, использует архитектуру BertForMultipleChoice и принимает последовательности текста с контекстом до 512 токенов.

В README приведены результаты оценки: accuracy 0,706 и loss 0,7743; набор данных для обучения не описан. Базовая модель google-bert/bert-base-uncased ориентирована на английский язык. Модель распространяется под лицензией Apache-2.0.

Сценарии применения

выбор правильного ответа в тесте с вариантами
ответы на вопросы по тексту с несколькими вариантами
оценка вариантов ответа в учебных заданиях

Ограничения

Данные и методика обучения не описаны. На указанном наборе оценки accuracy составляет 0,706; результаты на других данных могут отличаться.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей I.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

multiple_choice_model

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

Loss: 0.7743
Accuracy: 0.706

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: 5e-05
train_batch_size: 16
eval_batch_size: 16
seed: 42
optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
num_epochs: 1

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.9213	1.0	563	0.7743	0.706

Framework versions

Transformers 4.54.0
Pytorch 2.11.0+cu128
Datasets 4.0.0
Tokenizers 0.21.4

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · multiple-choice

Можно запустить

Подбираем GPU…

Класс архитектуры: BertForMultipleChoice
Ревизия весов: f9d66ca