/ Модель
Каталог

Характеристики

Контекст
512 токенов
Параметры
15,6 млн
Архитектура
bert · dense
Опубликована
5 июн 2022

Ссылки

Hugging Face

TinyBERT_General_4L_312D-squad

haritzpuerto
Ответы на вопросыТекст → текст3 профессии

Компактная модель TinyBERT, дообученная на SQuAD для извлечения ответов на вопросы из текста.

48скачиваний за 30 дней0лайковвеса обновлены5 июн 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

TinyBERT_General_4L_312D-squad — модель на архитектуре BERT, дообученная на наборе SQuAD для ответов на вопросы по тексту. Её разработчик — владелец репозитория haritzpuerto; базовая модель — huawei-noah/TinyBERT_General_4L_312D. Модель содержит 15,6 млн параметров, принимает текстовые вопросы и контекст и выдаёт текстовый ответ. Максимальная длина контекста — 512 токенов.

На оценочной выборке SQuAD модель показала exact match 33,30 и F1 45,04. Она подходит для извлечения ответов из предоставленного фрагмента текста, но оценочные результаты указывают на ограниченную точность; карточка не описывает поведение вне этого сценария. Файлы опубликованы в формате PyTorch. Сведения о лицензии в предоставленных данных отсутствуют.

Сценарии применения

  • извлечение ответа из отрывка текста по вопросу
  • ответы на вопросы по справочным материалам
  • поиск фактов в текстовом контексте
  • создание прототипа системы вопросно-ответного поиска

Ограничения

На оценочной выборке SQuAD exact match составляет 33,30, а F1 — 45,04, поэтому ответы могут быть неточными или пропускаться. Результаты за пределами сценария SQuAD не приведены.

Для каких профессий подходит3

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 467моделейI.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модельII.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

TinyBERT_General_4L_312D-squad

This model is a fine-tuned version of huawei-noah/TinyBERT_General_4L_312D on the squad dataset. It achieves the following results on the evaluation set:

  • exact_match: 33.301797540208135
  • f1: 45.03886349847048
  • Loss: 2.5477

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: 1e-05
  • train_batch_size: 20
  • eval_batch_size: 32
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 1

Training results

Training LossEpochStepValidation Loss
2.74981.043802.5477

Framework versions

  • Transformers 4.19.2
  • Pytorch 1.11.0+cu113
  • Datasets 2.2.2
  • Tokenizers 0.12.1

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
BertForQuestionAnswering
Ревизия весов
9a2840b

0 моделей

    Создать бенчмарк