/ Модель

Характеристики

Контекст
514 токенов
Параметры
305 млн
Лицензия
CC BY 4.0
Архитектура
xlm-roberta · dense
Библиотека
transformers
Опубликована
10 мая 2025

hindi-question-answering-squad-bert

Ответы на вопросыТекст → текст3 профессии

Модель на основе HindBERT отвечает на вопросы по текстам на хинди, извлекая ответ из контекста.

126скачиваний за 30 дней0лайковвеса обновлены24 мая 2025

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

Hindi-BERT-SQuAD — модель команды L3Cube-Pune для ответов на вопросы по тексту на хинди. Она основана на HindBERT (l3cube-pune/hindi-bert-v2) и дообучена на переведённом на хинди наборе L3Cube-IndicSQuAD. Модель использует архитектуру XLM-RoBERTa с 305,2 млн параметров и рассчитана на контекст до 514 токенов.

Модель предназначена для извлечения ответа из предоставленного текста по заданному вопросу, например, для поиска фактов в статьях и документах на хинди. Она принимает текст и выдаёт текстовый ответ. Распространяется по лицензии CC BY 4.0; практическое качество зависит от соответствия входных текстов и вопросов данным и языковому стилю обучения.

Сценарии применения

  • извлечение ответов из статей на хинди
  • ответы на вопросы по документам на хинди
  • поиск фактов в текстах на хинди

Ограничения

Модель рассчитана на хинди и ограничена контекстом до 514 токенов; качество для других языков и существенно отличающихся от обучающих данных текстов не подтверждено.

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

Hindi-BERT-SQuAD

Hindi-BERT-SQuAD is a HindBERT model (l3cube-pune/hindi-bert-v2) fine-tuned on the translated Hindi question-answering dataset L3Cube-IndicSQuAD. [dataset link] (https://huggingface.co/datasets/L3Cube-IndicSQuAD)

More details on the dataset, models, and baseline results can be found in our [paper] (https://arxiv.org/abs/2505.03688)

Citing:

@article{endait2025indicsquad,
  title={IndicSQuAD: A Comprehensive Multilingual Question Answering Dataset for Indic Languages},
  author={Endait, Sharvi and Ghatage, Ruturaj and Kulkarni, Aditya and Patil, Rajlaxmi and Joshi, Raviraj},
  journal={arXiv preprint arXiv:2505.03688},
  year={2025}
}
@article{ghatage2024mahasquad,
  title={MahaSQuAD: Bridging Linguistic Divides in Marathi Question-Answering},
  author={Ghatage, Ruturaj and Kulkarni, Aditya and Patil, Rajlaxmi and Endait, Sharvi and Joshi, Raviraj},
  journal={arXiv preprint arXiv:2404.13364},
  year={2024}
}

Other IndicSQuAD models:

LanguageModel Link
Marathimarathi-question-answering-squad-bert
Hindihindi-question-answering-squad-bert
Bengalibengali-question-answering-squad-bert
Telugutelugu-question-answering-squad-bert
Tamiltamil-question-answering-squad-bert
Gujaratigujarati-question-answering-squad-bert
Punjabipunjabi-question-answering-squad-bert
Kannadakannada-question-answering-squad-bert
Oriyaoriya-question-answering-squad-bert
Malayalammalayalam-question-answering-squad-bert

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
XLMRobertaForQuestionAnswering
Ревизия весов
40c694d

0 моделей