Характеристики

Контекст: 512 токенов
Параметры: 20,8 млн
Архитектура: electra · dense
Опубликована: 2 мар 2022

Ссылки

Hugging Face

koelectra-small-v2-distilled-korquad-384

monologg

Ответы на вопросыТекст → текст3 профессии

Компактная корейская ELECTRA-модель извлекает ответы на вопросы из предоставленного контекста.

160 тыс.скачиваний за 30 дней7лайковвеса обновлены12 июн 2023

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

monologg/koelectra-small-v2-distilled-korquad-384 — компактная модель на архитектуре ELECTRA, опубликованная пользователем monologg. Она предназначена для извлечения ответа на вопрос из предоставленного текста на корейском языке и дообучена на KorQuAD. Модель принимает вопрос и контекст и возвращает фрагмент контекста как ответ; её контекст ограничен 512 токенами. В метаданных указано 20,8 млн параметров, а карточка Hugging Face показывает загрузку через Transformers с задачей question-answering и наличие версий PyTorch, Safetensors и TensorFlow Lite.

По сравнению с крупными моделями компактный размер подходит для более лёгкого развёртывания, но модель ориентирована на корейские вопросы и ответы по контексту, а не на генерацию свободного текста или ответы без предоставленного контекста. Лицензия в доступных сведениях не подтверждена.

Сценарии применения

Поиск ответа на корейский вопрос в заданном тексте
Извлечение факта из корейского документа
Ответы по корейским материалам KorQuAD
Локальный запуск извлечения ответов в приложении с TensorFlow Lite

Ограничения

Модель предназначена для извлечения ответа из предоставленного контекста и имеет ограничение в 512 токенов. Поддержка языков, кроме корейского, не подтверждена.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей 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

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Автор не опубликовал карточку модели.

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: ElectraForQuestionAnswering
Ревизия весов: 256efd8