/ Модель

Характеристики

Контекст
8 192 токена
Параметры
307 млн
Архитектура
modernbert · dense
Библиотека
transformers
Опубликована
15 сен 2026

mmbert-squad-v2

Ответы на вопросыТекст → текст6 профессий

Компактная модель ModernBERT для извлечения ответов на вопросы из текста с контекстом до 8192 токенов.

68скачиваний за 30 дней0лайковвеса обновлены15 сен 2026

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

jidoren/mmbert-squad-v2 — модель для ответа на вопросы, построенная на архитектуре ModernBERT и представленная в формате Safetensors. В метаданных указано 306,9 млн параметров и контекст до 8192 токенов. Модель предназначена для извлечения ответа на вопрос из предоставленного текста; pipeline Hugging Face — question-answering.

Карточка README не содержит дополнительного описания обучения, языков, датасетов или условий использования. Поэтому нельзя подтвердить поддержку русского языка или конкретную лицензию. Модель создана недавно и имеет ограниченную историю использования.

Сценарии применения

  • извлечение ответа из предоставленного текста
  • ответы на вопросы по документам
  • поиск фактов в длинном тексте

Ограничения

В README нет подтверждения поддерживаемых языков и лицензии; качество и применимость для конкретных данных по предоставленным сведениям оценить нельзя.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

How to use

import torch
from transformers import AutoTokenizer, AutoModelForQuestionAnswering

MODEL_ID = "jidoren/mmbert-squad-v2"

tokenizer = AutoTokenizer.from_pretrained(MODEL_ID)
model = AutoModelForQuestionAnswering.from_pretrained(MODEL_ID)
model.eval()

question = "Where was Einstein born?"
context = """
Albert Einstein was born in Ulm, Germany, in 1879.
He developed the theory of relativity.
"""

inputs = tokenizer(
    question,
    context,
    return_tensors="pt",
    truncation=True,
)

with torch.no_grad():
    outputs = model(**inputs)

start = outputs.start_logits.argmax()
end = outputs.end_logits.argmax()

answer = tokenizer.decode(
    inputs["input_ids"][0][start:end + 1],
    skip_special_tokens=True,
)

print(answer)

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · question-answering

Можно запустить

Подбираем GPU…

Класс архитектуры
ModernBertForQuestionAnswering
Ревизия весов
84dc8c5

0 моделей