/ Модель
Каталог

Характеристики

Контекст
514 токенов
Параметры
305 млн
Лицензия
CC BY 4.0
Архитектура
xlm-roberta · dense
Базовая модель
xlm-roberta-base-squad2
Опубликована
15 окт 2023

Ссылки

Hugging Face

xlm-roberta-base-squad2-idkmrc

intanm
Ответы на вопросыТекст → текст8 профессий

Мультиязычная дообученная XLM-RoBERTa извлекает ответ на вопрос из предоставленного текста.

9скачиваний за 30 дней0лайковвеса обновлены15 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-squad2-idkmrc — дообученная модель для извлечения ответа на вопрос из предоставленного текста. Она основана на deepset/xlm-roberta-base-squad2 и использует архитектуру XLM-RoBERTa с головой XLMRobertaForQuestionAnswering; размер — 305,2 млн параметров, контекст — до 514 токенов. Модель предназначена для сценариев, где вопрос и текст известны заранее, например для поиска ответа в документах.

Карточка сообщает результат оценки Loss 0,8167, но не приводит датасет, языки обучения или подробные результаты, поэтому качество для конкретного языка и типа текста по этим данным оценить нельзя. Репозиторий распространяется по лицензии CC BY 4.0.

Сценарии применения

  • поиск ответа на вопрос в документах
  • извлечение факта из предоставленного текста
  • ответы на вопросы по справочным материалам

Ограничения

README не описывает обучающий датасет и ограничения применения; приведено только значение Loss 0,8167 на оценочной выборке. Контекст ограничен 514 токенами.

Для каких профессий подходит8

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 791модельIII.8Корпоративные функцииДоговоры, юридическая работа и complianceAI помогает ускорять юридический анализ и compliance, не подменяя профессиональное заключение.25 задач1 953моделиIII.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модель

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

xlm-roberta-base-squad2-idkmrc

This model is a fine-tuned version of deepset/xlm-roberta-base-squad2 on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.8167

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 LossEpochStepValidation Loss
0.95041.05840.7669
0.64712.011680.8292
0.48563.017520.8167

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
ccd0138

0 моделей

    Создать бенчмарк