Характеристики

Параметры: 660 млн
Лицензия: BigScience BLOOM RAIL 1.0
Архитектура: bloom · dense
Базовая модель: bloom-560m
Опубликована: 25 окт 2022

Ссылки

bloom560m-squad-helloworld

Ответы на вопросыТекст → текст3 профессии

Дообученная на SQuAD v2 модель BLOOM-560m для ответов на вопросы по контексту и экспериментов с вопросно-ответными системами.

45скачиваний за 30 дней8лайковвеса обновлены11 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

Это экспериментальная версия BLOOM-560m, дообученная автором jasoneden на датасете SQuAD v2 для ответа на вопросы по предоставленному контексту. Модель основана на плотной архитектуре BLOOM и содержит 659,6 млн параметров; веса доступны в форматах PyTorch и Safetensors.

Модель задумана как proof of concept и отправная точка для экспериментов с дообучением BLOOM на задаче question answering. Для прикладного использования стоит учитывать, что карточка не содержит результатов оценки качества и подробностей о тренировке. Лицензия — BigScience BLOOM RAIL 1.0.

Сценарии применения

ответы на вопросы по предоставленному тексту
создание прототипа системы question answering
эксперименты с дообучением BLOOM на SQuAD v2

Ограничения

Автор представляет модель как proof of concept и не приводит результатов оценки качества или подробностей обучения; качество ответов не установлено по карточке.

Для каких профессий подходит3

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.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

POC - BLOOM for QuestionAnswering, tuned on squad_v2

This model is a fine-tuned version of bigscience/bloom-560m on the squad_v2 dataset. It is intended for a proof of concept, and perhaps to serve as a starting point for others trying to do the same thing.

Ongoing discussion surrounding this effort:

https://huggingface.co/bigscience/bloom/discussions/46#633c57b2ccce04161f82e6c2

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: 3e-05
train_batch_size: 6
eval_batch_size: 8
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 2.0
mixed_precision_training: Native AMP

Training results

Framework versions

Transformers 4.24.0.dev0
Pytorch 1.12.1+cu102
Datasets 2.6.1
Tokenizers 0.13.1

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: BloomForQuestionAnswering
Ревизия весов: 89e92cd