/ Модель
Каталог

Характеристики

Контекст
514 токенов
Параметры
659 млн
Лицензия
MIT
Архитектура
xlm-roberta · dense
Базовая модель
xlm-roberta-large
Опубликована
25 окт 2023

Ссылки

Hugging Face

xlmrlarge-idkmrc

intanm
Ответы на вопросыТекст → текст6 профессий

Дообученная XLM-RoBERTa Large для извлечения ответов на вопросы из текста.

13скачиваний за 30 дней0лайковвеса обновлены26 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/xlmrlarge-idkmrc — модель XLM-RoBERTa Large, разработанная как дообученная версия FacebookAI/xlm-roberta-large для ответа на вопросы. Она предназначена для задач question answering и имеет около 658,7 млн параметров; архитектура — XLMRobertaForQuestionAnswering. Модель принимает текст вопроса и контекста и выдаёт ответ в текстовом виде.

В карточке приведён результат на оценочном наборе: loss 1,1300. Название обучающего набора указано как None, а сведения о данных обучения, сценариях применения и ограничениях не раскрыты. Модель распространяется по лицензии MIT.

Сценарии применения

  • извлечение ответа на вопрос из предоставленного контекста
  • создание системы вопросно-ответного поиска по документам
  • поиск ответа в тексте на основе вопроса

Ограничения

В карточке не описаны ограничения и обучающие данные; название набора данных указано как None. Приведён только loss 1,1300 на оценочном наборе, без дополнительных метрик или описания протокола оценки.

Для каких профессий подходит6

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 791модельII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

xlmrlarge-idkmrc

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

  • Loss: 1.1300

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: 8
  • eval_batch_size: 8
  • 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
0.98861.011670.9066
0.59542.023340.8620
0.32853.035011.1300

Framework versions

  • Transformers 4.34.1
  • Pytorch 2.1.0+cu118
  • Datasets 2.14.6
  • 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
609ffb8

0 моделей

    Создать бенчмарк