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_squad_model

hedonwang

Ответы на вопросыТекст → текст

Дообученная англоязычная DistilBERT-модель для извлечения ответов из текста по вопросам.

7скачиваний 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_squad_model — дообученная модель DistilBERT, созданная на основе distilbert/distilbert-base-uncased для ответа на вопросы. Она предназначена для извлечения ответа из текста по заданному вопросу; архитектура — DistilBertForQuestionAnswering, формат весов — safetensors, максимальный контекст — 512 токенов. Базовая модель англоязычная, поэтому модель рассчитана на английские вопросы и тексты.

Модель распространяется по лицензии Apache-2.0. В README приведено значение loss 0,998 на оценочном наборе, но датасет, методика оценки и практические ограничения не раскрыты.

Сценарии применения

извлечение ответа из англоязычного текста по вопросу
ответы на вопросы по коротким документам
поиск фактического ответа в отрывке текста

Ограничения

Датасет и методика оценки не описаны, поэтому значение loss 0,998 нельзя напрямую интерпретировать как качество на пользовательских данных. Контекст ограничен 512 токенами.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

my_awesome_squad_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: 0.9980

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: 32
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
training_steps: 50

Training results

Training Loss	Epoch	Step	Validation Loss
4.3151	0.3968	25	2.6975
1.0528	0.7937	50	0.9980

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: 639934c