/ Модель

Характеристики

Параметры
138 млн
Архитектура
xlnet · dense

xlnet-base-cased-squad-quoref

Ответы на вопросыТекст → текст5 профессий

Дообученная XLNet-Base для поиска ответов на вопросы в текстовом контексте, оценённая на Quoref.

99скачиваний за 30 дней1лайквеса обновлены28 янв 2021

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 ggoggam/xlnet-base-cased-squad-quoref — версия XLNet-Base, дообученная для ответов на вопросы на наборах SQuAD, SQuAD 2.0 и Quoref. XLNet совместно разработана Google и CMU; модель содержит 137,8 млн параметров и доступна в формате PyTorch.

Она предназначена для извлечения ответов из контекста по заданному вопросу, в том числе для задач, где требуется учитывать связи между упоминаниями в тексте. В README приведена оценка на Quoref: exact match 73,66 и F1 78,00; сравнение показывает улучшение относительно указанной базовой линии XLNet.

Карточка не сообщает лицензию и конкретный перечень поддерживаемых языков, поэтому эти характеристики не включены в описание. Результаты оценки относятся к Quoref и сами по себе не гарантируют аналогичного качества на других данных.

Сценарии применения

  • извлечение ответа из документа по вопросу
  • ответы на вопросы по текстовым отрывкам
  • поиск сущностей и связей, нужных для ответа на вопрос

Ограничения

В README приведены метрики только для Quoref; качество на иных наборах и языках не охарактеризовано. Лицензия в предоставленных данных не указана.

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

XLNet Fine-tuned on SQuAD / Quoref Dataset

XLNet jointly developed by Google and CMU and fine-tuned on SQuAD / SQuAD 2.0 and Quoref for question answering down-stream task.

Evaluation Result on Quoref

{
    "exact_match": 73.65591397848462,
    "f1": 77.9981532789881
}

Results Comparison on Quoref

MetricXLNet Base LineModel FT on SQuAD
EM61.8873.66 (+11.78)
F170.5178.00 (+7.49)

How to Use

from transformers import XLNetForQuestionAnswering, XLNetTokenizerFast

model = XLNetForQuestionAnswering.from_pretrained('jkgrad/xlnet-base-cased-squad-quoref)
tokenizer = XLNetTokenizerFast.from_pretrained('jkgrad/xlnet-base-cased-squad-quoref')

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
XLNetForQuestionAnswering
Ревизия весов
1ab9e65

0 моделей