Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: distilbert-base-uncased
Библиотека: transformers
Опубликована: 31 авг 2026

Ссылки

Hugging Face

distilbert-finetuned-squadv2

kienchan

Ответы на вопросыТекст → текст5 профессий

Дообученная англоязычная модель DistilBERT для извлечения ответов на вопросы из текста.

17скачиваний за 30 дней0лайковвеса обновлены31 авг 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

kienchan/distilbert-finetuned-squadv2 — модель DistilBERT, дообученная для ответа на вопросы. Она принимает вопрос и текстовый контекст и предназначена для извлечения ответа из контекста. Модель основана на distilbert/distilbert-base-uncased, использует архитектуру DistilBertForQuestionAnswering и формат весов safetensors; базовая модель — англоязычная. Максимальная длина контекста составляет 512 токенов.

Модель подходит для поиска ответов в коротких текстах и простых систем вопросно-ответного поиска. Карточка указывает лицензию Apache-2.0. Данные об обучающем наборе и оценке качества не приведены, поэтому точность на конкретных данных не установлена.

Сценарии применения

извлечение ответа из короткого текстового контекста
ответы на вопросы по текстовым фрагментам
поиск фактов в документах
создание простого вопросно-ответного интерфейса

Ограничения

Контекст ограничен 512 токенами. Обучающий набор и результаты оценки не описаны, поэтому качество на конкретных данных не подтверждено.

Для каких профессий подходит5

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

II.10Разработка и эксплуатация AI/ML-систем

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: 16
eval_batch_size: 16
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 2.10.0+cu128
Datasets 5.0.1
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: 611df83