Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: distilbert-base-uncased
Библиотека: transformers
Опубликована: 8 сен 2026

Ссылки

Hugging Face

distilbert-finetuned-squadv2

khanhhdt

Ответы на вопросыТекст → текст7 профессий

Дообученная на DistilBERT модель извлекает ответы на вопросы из текстового контекста.

47скачиваний за 30 дней0лайковвеса обновлены9 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

khanhhdt/distilbert-finetuned-squadv2 — дообученная на задаче question answering модель на базе DistilBERT, опубликованная пользователем khanhhdt. Карточка указывает, что для дообучения использован неизвестный набор данных; архитектура — DistilBertForQuestionAnswering. Модель принимает вопрос и текстовый контекст и предназначена для извлечения ответа из этого контекста.

Модель подходит для систем вопросов и ответов по предоставленному тексту, например для поиска фактов в документах. Максимальная длина контекста составляет 512 токенов. Репозиторий использует формат safetensors и библиотеку Transformers; лицензия — Apache-2.0.

Сведения о качестве, обучающих данных и известных ограничениях в карточке отсутствуют, поэтому надёжность ответов на конкретных данных следует проверять отдельно.

Сценарии применения

Извлечение ответа из короткого фрагмента текста
Ответы на вопросы по документам
Поиск фактов в предоставленном контексте

Ограничения

Данные для дообучения не указаны, а карточка не содержит оценок качества или подробных сведений об ограничениях. Контекст ограничен 512 токенами.

Для каких профессий подходит7

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 II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей I.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

distilbert-finetuned-squadv2

This model is a fine-tuned version of distilbert-base-uncased 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 5.16.1
Pytorch 2.11.0+cu128
Datasets 4.0.0
Tokenizers 0.23.1

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: DistilBertForQuestionAnswering
Ревизия весов: d082301