Характеристики

Контекст: 512 токенов
Параметры: 136 млн
Лицензия: Apache 2.0
Архитектура: bert · dense
Базовая модель: bert-base-cased
Опубликована: 23 авг 2024

Ссылки

Hugging Face

bert-base-cased-squadv1-finetuned

martineden

Ответы на вопросыТекст → текст6 профессий

Дообученная на SQuAD модель BERT для поиска ответов на вопросы в тексте.

55скачиваний за 30 дней0лайковвеса обновлены23 авг 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

martineden/bert-base-cased-squadv1-finetuned — дообученная на датасете SQuAD версия BERT от автора репозитория. Модель предназначена для извлечения ответов на вопросы из предоставленного текста: на вход подаются вопрос и контекст, а на выходе — фрагмент текста с ответом. Архитектура — BertForQuestionAnswering, размер — 135,5 млн параметров, максимальная длина контекста — 512 токенов.

Модель подходит для систем вопросов и ответов по документам и текстовым материалам на английском языке, связанным с форматом SQuAD. Лицензия — Apache-2.0. README не содержит подробностей об оценках качества или ограничениях применения.

Сценарии применения

извлечение ответа из контекста по вопросу
создание англоязычной системы вопросов и ответов
поиск фактов в текстовых документах
ответы на вопросы по справочным материалам

Ограничения

Контекст ограничен 512 токенами; качество и ограничения применения в README не описаны.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.1Универсальные способностиПоиск и навигация по информацииAI помогает находить нужные сведения и помогать человеку быстро переходить от вопроса к подтверждённому источнику.18 задач13 467моделей I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

bert-base-cased-squadv1-finetuned

This model is a fine-tuned version of bert-base-cased on SQUAD dataset.

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: 5e-05
train_batch_size: 64
eval_batch_size: 512
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: constant
num_epochs: 2

Training results

Evaluation Metrics:

'exact_match': 80.09460737937559
'f1': 87.57757654304311

Framework versions

Transformers 4.42.4
Pytorch 2.3.1+cu121
Datasets 2.21.0
Tokenizers 0.19.1

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: BertForQuestionAnswering
Ревизия весов: 5115ce5