/ Модель

Характеристики

Контекст
512 токенов
Параметры
385 млн
Лицензия
Apache 2.0
Архитектура
t5 · dense
Базовая модель
t5-large
Библиотека
transformers
Опубликована
20 июн 2026

t5-large-xa-only-squad

Генерация текстаТекст → текст

Дообученная версия T5-Large для генерации ответов на вопросы по англоязычному контексту в стиле SQuAD.

21скачиваний за 30 дней0лайковвеса обновлены20 июн 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

medelharchaoui/t5-large-xa-only-squad — модель ответов на вопросы, созданная дообучением T5-Large от Google на наборе SQuAD v1.1. Это архитектура encoder–decoder с 385,2 млн параметров; обучались блоки cross-attention декодера и финальная LayerNorm декодера, а остальные веса оставались замороженными. Модель принимает вопрос вместе с контекстным фрагментом и генерирует ответ, который обычно представляет собой короткий фрагмент из контекста. Для работы используется формат с префиксом `answer question: ` и текстом вопроса и контекста.

Модель предназначена для англоязычного экстрактивного question answering в стиле SQuAD, а не для общего диалога или ответов на вопросы без предоставленного контекста. В README приведены результаты на подмножестве валидации SQuAD: F1 0,8128 и EM 0,6406; это не оценка на официальном тестовом сервере. Поддерживаемая длина контекста — 512 токенов. Лицензия — Apache-2.0.

Сценарии применения

  • извлечение ответа на вопрос из предоставленного текста
  • ответы на вопросы по англоязычным статьям и фрагментам документов
  • создание прототипа контекстной системы вопросно-ответного поиска

Ограничения

Модель рассчитана на англоязычные вопросы в стиле SQuAD и короткие ответы, опирающиеся на предоставленный контекст; она не предназначена для общего чата или вопросов без контекста. Результаты получены на подмножестве валидации, а не на официальном тестовом сервере SQuAD.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

T5-large — Cross-Attention-Only fine-tune on SQuAD

Encoder–decoder QA model fine-tuned from google-t5/t5-large by training only the decoder cross-attention (EncDecAttention) blocks plus the decoder final layer norm. The encoder, decoder self-attention, and all feed-forward weights are frozen at their pretrained values.

TL;DR: training just the cross-attention bridge (~100.7M of 737M params, 13.7%) is enough to reach F1 0.8128 / EM 0.6406 on SQuAD — and beats a parameter-matched GPT-2-large decoder-only model (774M) by +0.31 F1 (1.61×).

This checkpoint is part of a study arguing that encoder–decoder architectures match or exceed decoder-only models on context-grounded tasks while being cheaper at inference, and that for such tasks the cross-attention pathway — not brute-force full fine-tuning — is what matters.

Results (SQuAD validation)

ModelArchitectureTrainable / TotalEMToken F1
GPT-2-largedecoder-only774M / 774M0.35160.5041
T5-large XA-only (this model)enc-dec100.7M / 737M0.64060.8128
T5-large LoRA r=8enc-dec2.4M / 740M0.64450.8152
T5-large full fine-tuneenc-dec737M / 737M0.66020.8162
T5-small XA-onlyenc-dec6.3M / 60.5M0.52930.7075

Validation loss 0.3059, perplexity 1.36. XA-only and LoRA reach a lower validation loss than full fine-tuning despite training a small fraction of the weights — architecture alignment dominates over brute-force optimization.

Eval note: T5 numbers are computed on a 256-example SQuAD-validation generation subset (beam search, 4 beams). GPT-2-large is on 512 examples. Numbers are comparable in magnitude and reproduce the paper's headline ordering.

Intended use

Extractive question answering: given a question and a context passage, generate the answer span. Trained on SQuAD v1.1 (30,000 train examples).

How to use

The model was trained with the input prefix answer question: prepended to a question: ... context: ... source string. Match this format exactly at inference:

from transformers import T5ForConditionalGeneration, AutoTokenizer

repo = "medelharchaoui/t5-large-xa-only-squad"
tok = AutoTokenizer.from_pretrained(repo)
model = T5ForConditionalGeneration.from_pretrained(repo)

question = "What culture do 'bairn' and 'hyem' originate from?"
context = ("'bairn' and 'hyem', meaning 'child' and 'home', are examples of geordie "
           "words with origins in scandinavia; barn and hjem are the corresponding "
           "modern norwegian and danish words.")

text = f"answer question: question: {question} context: {context}"
ids = tok(text, return_tensors="pt", truncation=True, max_length=384).input_ids
out = model.generate(ids, num_beams=4, max_new_tokens=16)
print(tok.decode(out[0], skip_special_tokens=True))  # -> scandinavia

Training

SettingValue
Base modelgoogle-t5/t5-large (737M)
Trainable params*.EncDecAttention.* + decoder.final_layer_norm (~100.7M)
Datasetrajpurkar/squad, 30,000 train examples
Objectiveextractive QA (seq2seq)
Precisionbf16
Optimizer steps3,000 (batch 4 × grad-accum 8 = eff. batch 32)
LR / warmup2e-4, 300 warmup, weight decay 0.01
Source / target max len384 / 32
Seed37
Hardware1× NVIDIA RTX 3060 (12 GB), local

Limitations

  • English, SQuAD-style extractive QA only; answers are short spans copied/paraphrased from the supplied context. Not a general chat or open-domain model.
  • Evaluated on a held-out validation subset, not the official SQuAD test server.
  • Inherits any biases present in T5's C4 pretraining and in SQuAD.

Citation

Part of an encoder–decoder vs decoder-only paradigm study (OptimiAI, 2026). If you use this checkpoint, please cite the accompanying paper/repository.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
T5ForConditionalGeneration
Ревизия весов
01cd380

0 моделей