/ Модель

Характеристики

Контекст
512 токенов
Параметры
137 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Опубликована
12 янв 2024

answer-equivalence-bem

Классификация текстаТекст → label4 профессии

BEM на базе BERT оценивает, эквивалентны ли ответы-кандидаты эталонным при оценке систем ответов на вопросы.

1 625скачиваний за 30 дней3лайкавеса обновлены15 янв 2024

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

BEM — модель сопоставления ответов на основе BERT, опубликованная как воспроизведение исследования «Tomayto, Tomahto. Beyond Token-level Answer Equivalence for Question Answering Evaluation». Она дообучена на базе bert-base-uncased на наборе данных Answer Equivalence.

Модель оценивает, эквивалентны ли ответ-кандидат и эталонный ответ с учётом исходного вопроса. Её применяют для оценки систем автоматического ответа на вопросы: разные по формулировке ответы могут считаться правильными, если передают один и тот же смысл. В метаданных указаны архитектура BertForSequenceClassification, 136,7 млн параметров и контекст до 512 токенов; модель принимает текст и выдаёт оценку классификации.

Модель предназначена для английского языка и распространяется по лицензии Apache-2.0. Это воспроизведение исследовательской работы; оценка эквивалентности может не совпадать с точным совпадением или метриками F1 и зависит от вопроса и качества обучения.

Сценарии применения

  • оценка ответов системы вопросно-ответного поиска
  • проверка смысловой эквивалентности ответа-кандидата и эталона
  • учёт перефразированных ответов при автоматическом тестировании QA
  • сравнение вариантов ответа с учётом заданного вопроса

Ограничения

Модель обучена для английского языка и имеет контекстное окно до 512 токенов. Оценка эквивалентности является метрикой и может расходиться с точным совпадением или F1.

Для каких профессий подходит4

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

Overview

BEM - BERT Matching model from paper Tomayto, Tomahto. Beyond Token-level Answer Equivalence for Question Answering Evaluation (reproduction).

It is a bert-base-uncased model trained on the Answer Equivalence dataset

Consider this example (pseudocode):

question = 'how is the weather in california'
reference answer = 'infrequent rain'
candidate answer = 'rain'
bem(question, reference, candidate) ~ 0

This model can be used as a metric to evaluate automatic question answering systems: when the produced answer is different from the reference, it might still be equivalent to the reference and hence count as correct.

See the paper Tomayto, Tomahto. Beyond Token-level Answer Equivalence for Question Answering Evaluation for a detailed explanation of how the data was collected and how this metric compares to others such as exact match of F1.

Example use

from transformers import AutoTokenizer, AutoModelForSequenceClassification
from torch.nn import functional as F

tokenizer = AutoTokenizer.from_pretrained("kortukov/answer-equivalence-bem")
model = AutoModelForSequenceClassification.from_pretrained("kortukov/answer-equivalence-bem")

question = "What does Ban Bossy encourage?"
reference = "leadership in girls"
candidate = "positions of power"

def tokenize_function(question, reference, candidate):
    text = f"[CLS] {candidate} [SEP]"
    text_pair = f"{reference} [SEP] {question} [SEP]"
    return tokenizer(text=text, text_pair=text_pair, add_special_tokens=False, padding='max_length', truncation=True, return_tensors='pt')

inputs = tokenize_function(question, reference, candidate)
out = model(**inputs)

prediction = F.softmax(out.logits, dim=-1).argmax().item()

Как запустить

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

GPU в ailist

Универсальный рантайм · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
BertForSequenceClassification
Ревизия весов
b7216e6

0 моделей