Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: distilbert-base-uncased
Библиотека: transformers
Опубликована: 1 июл 2026

Ссылки

Hugging Face

my_awesome_qa_model

hedonwang

Ответы на вопросыТекст → текст

Англоязычная модель на базе DistilBERT для извлечения ответа из текста по заданному вопросу.

6скачиваний за 30 дней0лайковвеса обновлены1 июл 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

my_awesome_qa_model — англоязычная модель для ответов на вопросы, разработанная дообучением DistilBERT distilbert/distilbert-base-uncased. Она использует архитектуру DistilBertForQuestionAnswering и предназначена для извлечения ответа из текста-контекста по заданному вопросу. Модель подходит для сценариев вопросно-ответного поиска, где ответ содержится в предоставленном фрагменте текста.

Модель работает с текстом и рассчитана на контекст длиной до 512 токенов. Веса опубликованы в формате safetensors; лицензия — Apache-2.0. В README приведено значение loss 1.7176 на оценочном наборе, но состав данных и подробности оценки не раскрыты.

Сценарии применения

извлечение ответа из статьи по вопросу пользователя
вопросы и ответы по фрагментам документов
поиск фактической информации в текстовом контексте

Ограничения

Качество на целевых данных неясно: в README указан только loss 1.7176, а оценочный набор и обучающие данные не описаны. Контекст ограничен 512 токенами.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

my_awesome_qa_model

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

Loss: 1.7176

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: 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: 3

Training results

Training Loss	Epoch	Step	Validation Loss
No log	1.0	250	2.5192
2.7842	2.0	500	1.8097
2.7842	3.0	750	1.7176

Framework versions

Transformers 5.12.0
Pytorch 2.12.0
Datasets 5.0.0
Tokenizers 0.22.2

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: DistilBertForQuestionAnswering
Ревизия весов: 37821e3