/ Модель

Характеристики

Контекст
512 токенов
Параметры
212 млн
Лицензия
CC BY 4.0
Архитектура
deberta-v2 · dense
Базовая модель
FYP_sq2_mrqa
Опубликована
5 апр 2024

FYP_sq2_mrqa_adqa

Ответы на вопросыТекст → текст5 профессий

Дообученная DeBERTa-v2 извлекает ответы на вопросы из предоставленного текста.

14скачиваний за 30 дней0лайковвеса обновлены5 апр 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

kxx-kkk/FYP_sq2_mrqa_adqa — модель семейства DeBERTa-v2, разработанная как дообученная версия kxx-kkk/FYP_sq2_mrqa. Она предназначена для извлечения ответа на вопрос из предоставленного текста. Модель содержит 211,6 млн параметров и рассчитана на контекст длиной до 512 токенов.

Карточка сообщает о дообучении на датасете, который не уточнён, и приводит значение Loss 2,3608 на evaluation set. Дополнительные сведения о качестве, сценариях применения и ограничениях не приведены. Лицензия — CC BY 4.0.

Сценарии применения

  • поиск ответа на вопрос в отрывке текста
  • ответы на вопросы по документам
  • извлечение фактов из текста по запросу

Ограничения

Датасет дообучения не указан; в карточке приведён только Loss 2,3608 без дополнительных метрик и сведений об ограничениях.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

FYP_sq2_mrqa_adqa

This model is a fine-tuned version of kxx-kkk/FYP_sq2_mrqa on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 2.3608

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: 1e-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: 3
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation Loss
3.50610.275002.6842
3.38770.5310002.5561
3.34680.815002.5469
3.32581.0620002.4571
3.24861.3325002.4096
3.24011.630002.3633
3.23781.8635002.3697
3.20052.1340002.3978
3.17632.445002.3770
3.17872.6650002.3678
3.1642.9355002.3608

Framework versions

  • Transformers 4.39.3
  • Pytorch 2.2.1+cu121
  • Datasets 2.18.0
  • Tokenizers 0.15.2

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
DebertaV2ForQuestionAnswering
Ревизия весов
92fd185

0 моделей