/ Модель

Характеристики

Контекст
512 токенов
Параметры
212 млн
Лицензия
CC BY 4.0
Архитектура
deberta-v2 · dense
Базовая модель
FYP_sq2_mrqa_adqa
Опубликована
5 апр 2024

FYP_sq2_mrqa_adqa_synqa

Ответы на вопросыТекст → текст

Дообученная на syn_qa модель DeBERTa-v2 извлекает ответы на вопросы из текста.

8скачиваний за 30 дней0лайковвеса обновлены7 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

FYPsq2mrqaadqasynqa — модель для извлечения ответа на вопрос из предоставленного текста, дообученная автором kxx-kkk на наборе данных syn_qa на основе kxx-kkk/FYP_sq2_mrqa_adqa. Она использует архитектуру DeBERTa-v2 с 211,6 млн параметров и принимает контекст длиной до 512 токенов. Формат весов — safetensors.

Модель подходит для систем вопросов и ответов, которым нужно находить ответ в тексте. В README приведено значение Loss 0,9362 на оценочной выборке, однако описание набора данных, методики оценки и практических ограничений отсутствует. Лицензия — CC BY 4.0.

Сценарии применения

  • поиск ответа на вопрос в предоставленном тексте
  • создание системы вопросов и ответов по документам
  • извлечение фактов из текстового контекста

Ограничения

Окно контекста ограничено 512 токенами. README сообщает Loss 0,9362, но не описывает оценочную методику и ограничения применения.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

FYP_sq2_mrqa_adqa_synqa

This model is a fine-tuned version of kxx-kkk/FYP_sq2_mrqa_adqa on the syn_qa dataset. It achieves the following results on the evaluation set:

  • Loss: 0.9362

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: 32
  • eval_batch_size: 32
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 2
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation Loss
1.820.2520001.1116
1.6120.5140001.0270
1.5050.7660000.9874
1.44761.0180000.9784
1.38981.27100000.9476
1.35441.52120000.9368
1.32781.78140000.9362

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
b2fcb5c

0 моделей