Характеристики

Контекст: 512 токенов
Параметры: 136 млн
Лицензия: Apache 2.0
Архитектура: bert · dense
Базовая модель: bert-base-cased
Библиотека: transformers
Опубликована: 28 июл 2026

Ссылки

Hugging Face

bert-finetuned-squad

kaito2006

Ответы на вопросыТекст → текст6 профессий

Дообученная BERT-модель для извлечения ответа на вопрос из текста.

7скачиваний за 30 дней0лайковвеса обновлены28 июл 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

kaito2006/bert-finetuned-squad — дообученная модель BERT, разработанная автором репозитория kaito2006 на основе google-bert/bert-base-cased. Она предназначена для извлечения ответа на вопрос из предоставленного текста и классифицируется как модель question answering. Архитектура — плотная BertForQuestionAnswering, размер — 135,5 млн параметров, формат весов — safetensors; максимальная длина контекста составляет 512 токенов.

Модель подходит для поиска фактических ответов в текстовых фрагментах и для прототипов систем вопросно-ответного поиска. Она дообучена на SQuAD согласно названию репозитория, однако README сообщает, что обучающий датасет неизвестен, поэтому это указание нельзя считать подтверждённым. Лицензия — Apache-2.0. В карточке не приведены сведения об оценке качества или подробные ограничения; базовая модель cased ориентирована на английский текст.

Сценарии применения

извлечение ответа из абзаца по заданному вопросу
поиск фактов в англоязычных документах
создание прототипа системы вопросно-ответного поиска

Ограничения

Контекст ограничен 512 токенами. README не содержит результатов оценки и подробного описания обучения; дообучение на SQuAD следует считать неподтверждённым, поскольку там датасет назван неизвестным.

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 467моделей I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель 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

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

bert-finetuned-squad

This model is a fine-tuned version of bert-base-cased on an unknown dataset.

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: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
num_epochs: 3
mixed_precision_training: Native AMP

Training results

Framework versions

Transformers 5.13.1
Pytorch 2.11.0+cu128
Datasets 4.0.0
Tokenizers 0.22.2

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: BertForQuestionAnswering
Ревизия весов: e86ebd7