/ Модель

Характеристики

Контекст
512 токенов
Параметры
205 млн
Архитектура
bert · dense
Опубликована
2 мар 2022

bert-multi-cased-finetuned-xquadv1

Ответы на вопросыТекст → текст7 профессий

Многоязычная модель BERT для извлечения ответов на вопросы из заданного текста на 11 языках.

634скачиваний за 30 дней5лайковвеса обновлены19 мар 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

Это модель BERT base-multilingual-cased, разработанная Google и дообученная Manuel Romero (mrm8488) для ответов на вопросы по заданному тексту. Она извлекает ответ из контекста и предназначена для многоязычных сценариев вопросно-ответного поиска, включая перенос между языками. Дообучение проведено на данных, основанных на XQuAD, с расширением обучающей выборки; заявлены 50 тысяч обучающих и 8 тысяч тестовых примеров. В карточке указано 11 языков: арабский, немецкий, греческий, английский, испанский, хинди, русский, тайский, турецкий, вьетнамский и китайский.

Архитектура — BERT для извлечения ответов, 205,1 млн параметров, максимальная длина контекста — 512 токенов. Модель принимает вопрос и текстовый контекст, выдаёт ответ в виде текста. В обучающих данных нет примеров вопросов без ответа, поэтому модель может выбирать ответ даже тогда, когда контекст не содержит достоверного ответа. Лицензия в предоставленных материалах не указана.

Сценарии применения

  • ответы на вопросы по русскоязычным документам
  • поиск фактов в многоязычных текстах
  • ответы на вопросы по статьям и справочным материалам
  • извлечение коротких ответов из заданного контекста

Ограничения

В обучающих данных нет вопросов без ответа, поэтому модель может выдавать ответ даже при отсутствии ответа в контексте. Максимальная длина контекста составляет 512 токенов.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

BERT (base-multilingual-cased) fine-tuned for multilingual Q&A

This model was created by Google and fine-tuned on XQuAD like data for multilingual (11 different languages) Q&A downstream task.

Details of the language model('bert-base-multilingual-cased')

Language model

LanguagesHeadsLayersHiddenParams
1041212768100 M

Details of the downstream task (multilingual Q&A) - Dataset

Deepmind XQuAD

Languages covered:

  • Arabic: ar
  • German: de
  • Greek: el
  • English: en
  • Spanish: es
  • Hindi: hi
  • Russian: ru
  • Thai: th
  • Turkish: tr
  • Vietnamese: vi
  • Chinese: zh

As the dataset is based on SQuAD v1.1, there are no unanswerable questions in the data. We chose this setting so that models can focus on cross-lingual transfer.

We show the average number of tokens per paragraph, question, and answer for each language in the table below. The statistics were obtained using Jieba for Chinese and the Moses tokenizer for the other languages.

enesdeelrutrarvithzhhi
Paragraph142.4160.7139.5149.6133.9126.5128.2191.2158.7147.6232.4
Question11.513.411.011.710.09.810.714.811.510.518.7
Answer3.13.63.03.33.13.13.14.54.13.55.6

Citation:

@article{Artetxe:etal:2019,
      author    = {Mikel Artetxe and Sebastian Ruder and Dani Yogatama},
      title     = {On the cross-lingual transferability of monolingual representations},
      journal   = {CoRR},
      volume    = {abs/1910.11856},
      year      = {2019},
      archivePrefix = {arXiv},
      eprint    = {1910.11856}
}

As XQuAD is just an evaluation dataset, I used Data augmentation techniques (scraping, neural machine translation, etc) to obtain more samples and split the dataset in order to have a train and test set. The test set was created in a way that contains the same number of samples for each language. Finally, I got:

Dataset# samples
XQUAD train50 K
XQUAD test8 K

Model training

The model was trained on a Tesla P100 GPU and 25GB of RAM. The script for fine tuning can be found here

Model in action

Fast usage with pipelines:

from transformers import pipeline

from transformers import pipeline

qa_pipeline = pipeline(
    "question-answering",
    model="mrm8488/bert-multi-cased-finetuned-xquadv1",
    tokenizer="mrm8488/bert-multi-cased-finetuned-xquadv1"
)


# context: Coronavirus is seeding panic in the West because it expands so fast.

# question: Where is seeding panic Coronavirus?
qa_pipeline({
    'context': "कोरोनावायरस पश्चिम में आतंक बो रहा है क्योंकि यह इतनी तेजी से फैलता है।",
    'question': "कोरोनावायरस घबराहट कहां है?"
    
})
# output: {'answer': 'पश्चिम', 'end': 18, 'score': 0.7037217439689059, 'start': 12}

qa_pipeline({
    'context': "Manuel Romero has been working hardly in the repository hugginface/transformers lately",
    'question': "Who has been working hard for hugginface/transformers lately?"
    
})
# output: {'answer': 'Manuel Romero', 'end': 13, 'score': 0.7254485993702389, 'start': 0}

qa_pipeline({
    'context': "Manuel Romero a travaillé à peine dans le référentiel hugginface / transformers ces derniers temps",
    'question': "Pour quel référentiel a travaillé Manuel Romero récemment?"
    
})
#output: {'answer': 'hugginface / transformers', 'end': 79, 'score': 0.6482061613915384, 'start': 54}

model in action

Try it on a Colab:

Created by Manuel Romero/@mrm8488

Made with ♥ in Spain

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
610161f

0 моделей