/ Модель

Характеристики

Контекст
514 токенов
Параметры
305 млн
Лицензия
MIT
Архитектура
xlm-roberta · dense
Опубликована
29 мая 2022

my-finetuned-xml-roberta2

Ответы на вопросыТекст → текст3 профессии

Дообученная XLM-RoBERTa для ответа на вопросы в пределах контекста до 514 токенов.

50скачиваний за 30 дней1лайквеса обновлены29 мая 2022

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

knurm/my-finetuned-xml-roberta2 — модель семейства XLM-RoBERTa, дообученная knurm на неизвестном наборе данных для ответа на вопросы. Веса содержат 305,2 млн параметров; архитектура — XLMRobertaForQuestionAnswering, формат — PyTorch, контекст — до 514 токенов.

Модель предназначена для задачи question answering. README приводит значение функции потерь 3,4644 на оценочной выборке, но не описывает её состав, метрики качества, языки или предполагаемые сценарии использования. Модель распространяется по лицензии MIT.

Сценарии применения

  • ответы на вопросы по предоставленному контексту
  • извлечение ответа из текста в системах вопросно-ответного поиска
  • создание прототипа системы автоматических ответов на вопросы

Ограничения

Набор данных для дообучения неизвестен, а README не сообщает метрики качества, языки или ограничения применения. Указанное значение loss само по себе не позволяет оценить качество ответов.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

my-finetuned-xml-roberta2

This model is a fine-tuned version of knurm/my-finetuned-xml-roberta on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 3.4644

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: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 5

Training results

Training LossEpochStepValidation Loss
3.44911.056523.3339
3.1712.0113043.2681
2.95183.0169563.3003
2.73054.0226083.3447
2.59745.0282603.4644

Framework versions

  • Transformers 4.19.1
  • Pytorch 1.11.0+cu113
  • Datasets 2.2.1
  • Tokenizers 0.12.1

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
XLMRobertaForQuestionAnswering
Ревизия весов
d098a3c

0 моделей