Характеристики

Контекст: 512 токенов
Параметры: 136 млн
Лицензия: Apache 2.0
Архитектура: bert · dense
Базовая модель: bert-base-portuguese-cased
Библиотека: transformers
Опубликована: 7 сен 2022

Ссылки

Hugging Face

faquad-bert-base-portuguese-cased

eraldoluis

Ответы на вопросыТекст → текст4 профессии

BERT-модель для извлечения ответов на вопросы из португалоязычных текстов.

26скачиваний за 30 дней5лайковвеса обновлены13 сен 2023

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

Модель eraldoluis/faquad-bert-base-portuguese-cased — BERTimbau Base, дообученная разработчиком на наборе FaQuAD для извлечения ответов на вопросы из текста. Она принимает вопрос и контекст на португальском языке и предсказывает фрагмент контекста в качестве ответа. Модель построена на архитектуре BERT и содержит 136,1 млн параметров; максимальная длина контекста составляет 512 токенов. Использовать её можно для поиска ответов в португалоязычных документах и текстах. Лицензия — Apache 2.0.

Сценарии применения

извлечение ответов из португалоязычных документов
поиск ответов на вопросы по текстовому контексту
создание португалоязычной системы вопросно-ответного поиска

Ограничения

Ограничение контекста составляет 512 токенов. Модель обучена для извлечения ответов из текста и не предназначена для свободной генерации ответов.

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 II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

tmp_exs_faquad

This model is a fine-tuned version of neuralmind/bert-base-portuguese-cased on the FaQuAD dataset.

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

The model was trained on the train split and evaluated on the eval split.

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

learning_rate: 3e-05
train_batch_size: 64
eval_batch_size: 32
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 3.0

Training results

Framework versions

Transformers 4.21.3
Pytorch 1.12.1+cu113
Datasets 2.4.0
Tokenizers 0.12.1

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: BertForQuestionAnswering
Ревизия весов: 8a160f3