Характеристики

Контекст: 512 токенов
Параметры: 205 млн
Лицензия: Apache 2.0
Архитектура: bert · dense
Базовая модель: bert-base-multilingual-cased
Опубликована: 13 окт 2023

Ссылки

Hugging Face

bert-base-multilingual-cased-idkmrc

intanm

Ответы на вопросыТекст → текст5 профессий

Многоязычная модель BERT для извлечения ответов на вопросы из текста.

11скачиваний за 30 дней0лайковвеса обновлены13 окт 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

intanm/bert-base-multilingual-cased-idkmrc — модель BERT для ответов на вопросы, дообученная на основе google-bert/bert-base-multilingual-cased. Она предназначена для извлечения ответа из предоставленного текста по заданному вопросу. Модель содержит 205,1 млн параметров, принимает текст и поддерживает контекст длиной до 512 токенов.

Модель создана для многоязычных сценариев вопросно-ответного поиска. В карточке приведён результат оценки на наборе данных: loss 0,9374, однако название обучающего набора данных указано как None, а подробности о данных и ограничениях не приведены. Распространяется по лицензии Apache-2.0.

Сценарии применения

извлечение ответа из текста по вопросу
вопросно-ответный поиск по коротким документам
поиск фактов в многоязычных текстах

Ограничения

Контекст ограничен 512 токенами. В README не приведены сведения о наборе обучения и подробные результаты оценки, кроме значения loss 0,9374.

Для каких профессий подходит5

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 I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей

Также подходит для

I.14Автоматизация процессов и AI-агенты

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

bert-base-multilingual-cased-idkmrc

This model is a fine-tuned version of bert-base-multilingual-cased on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.9374

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: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 3

Training results

Training Loss	Epoch	Step	Validation Loss
1.4806	1.0	584	0.9536
0.7576	2.0	1168	0.8814
0.5407	3.0	1752	0.9374

Framework versions

Transformers 4.34.0
Pytorch 2.0.1+cu118
Datasets 2.14.5
Tokenizers 0.14.1

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: ce9602d