Характеристики

Контекст: 514 токенов
Параметры: 305 млн
Лицензия: MIT
Архитектура: xlm-roberta · dense
Базовая модель: xlm-roberta-base
Опубликована: 13 окт 2023

Ссылки

xlm-roberta-base-idkmrc

Ответы на вопросыТекст → текст4 профессии

Дообученная XLM-RoBERTa Base для поиска ответов на вопросы в тексте, связанная с индонезийским набором NusaCrowd/idk_mrc.

23скачиваний 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/xlm-roberta-base-idkmrc — модель для ответов на вопросы, созданная дообучением XLM-RoBERTa Base. Она предназначена для извлечения ответа из текста по заданному вопросу и связана с набором данных NusaCrowd/idk_mrc; в README приведено значение loss 0,9537 на оценочной выборке. Модель содержит 305,2 млн параметров, использует архитектуру XLM-RoBERTa и принимает контекст длиной до 514 токенов. Для репозитория указана лицензия MIT.

Сценарии применения

извлечение ответа из текста по вопросу на индонезийском языке
поиск фактов в коротких индонезийских документах
создание индонезийской системы ответов на вопросы с извлечением фрагмента текста

Ограничения

README не описывает ограничения и не приводит подробных результатов оценки, кроме значения loss 0,9537. Контекст ограничен 514 токенами.

Для каких профессий подходит4

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.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

xlm-roberta-base-idkmrc

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

Loss: 0.9537

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
1.9089	1.0	584	1.1106
0.9734	2.0	1168	1.0118
0.7624	3.0	1752	0.9537

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: XLMRobertaForQuestionAnswering
Ревизия весов: e1db05c