Характеристики

Контекст: 512 токенов
Параметры: 137 млн
Лицензия: Apache 2.0
Архитектура: bert · dense
Базовая модель: bert-base-uncased
Опубликована: 11 авг 2023

Ссылки

Hugging Face

bert_multiple_choice

irfanamal

Классификация и разметкаТекст → label3 профессии

Дообученная модель BERT для выбора ответа из нескольких вариантов по текстовому вопросу.

16скачиваний за 30 дней0лайковвеса обновлены5 сен 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

irfanamal/bert_multiple_choice — модель BERT, дообученная автором репозитория на базе bert-base-uncased для выбора правильного варианта из нескольких предложенных. Она предназначена для задач с вопросом и набором вариантов ответа. Модель содержит 136,7 млн параметров, работает с текстом и принимает последовательности длиной до 512 токенов. Репозиторий распространяется в формате PyTorch по лицензии Apache-2.0.

В README приведены результаты оценки: loss 1,4499 и accuracy 0,535. Датасет обучения указан как None, поэтому по карточке нельзя определить предметную область и надёжность результатов для конкретного набора вопросов.

Сценарии применения

выбор правильного ответа в тесте с несколькими вариантами
ранжирование вариантов ответа на вопрос
решение текстовых задач с выбором ответа
оценка подходящего варианта в заданном наборе ответов

Ограничения

В README указана accuracy 0,535, а обучающий датасет назван None, поэтому качество и применимость модели к конкретным темам не подтверждены. Контекст ограничен 512 токенами.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей 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

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

bert_multiple_choice

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

Loss: 1.4499
Accuracy: 0.535

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: 5e-06
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: 100

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
1.4892	1.0	3207	1.2930	0.485
1.2722	2.0	6414	1.2277	0.47
1.1139	3.0	9621	1.1827	0.495
0.9607	4.0	12828	1.1426	0.55
0.8117	5.0	16035	1.1891	0.53
0.6878	6.0	19242	1.1941	0.53
0.5874	7.0	22449	1.2868	0.54
0.4989	8.0	25656	1.3710	0.55
0.4274	9.0	28863	1.4499	0.535

Framework versions

Transformers 4.31.0
Pytorch 2.0.1+cu117
Datasets 2.14.4
Tokenizers 0.13.3

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · multiple-choice

Можно запустить

Подбираем GPU…

Класс архитектуры: BertForMultipleChoice
Ревизия весов: 6843a4c