Характеристики

Контекст: 514 токенов
Параметры: 152 млн
Лицензия: Apache 2.0
Архитектура: roberta · dense

Ссылки

Hugging Face

roberta-base-bne-finetuned-sqac

mrm8488

Ответы на вопросыТекст → текст

Дообученная RoBERTa для извлечения ответов на вопросы из испаноязычного контекста.

175скачиваний за 30 дней2лайкавеса обновлены5 окт 2021

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 для ответов на вопросы на испанском языке, разработанная как дообученная версия BSC-TeMU/roberta-base-bne на наборе данных SQAC. Она использует архитектуру RoBERTa с 151,8 млн параметров и предназначена для извлечения ответа на вопрос из предоставленного контекста. Модель подходит для систем поиска ответов по испанским текстам и прототипов вопросно-ответных интерфейсов.

Для работы принимает текст с вопросом и контекстом и выдаёт текстовый ответ; максимальная длина контекста составляет 514 токенов. Лицензия — Apache-2.0. В карточке приведено значение Loss 1.2111 на оценочном наборе SQAC.

Сценарии применения

извлечение ответа из испанского текста по заданному вопросу
поиск ответов в испаноязычных документах
создание прототипа системы вопросов и ответов на испанском языке

Ограничения

Контекст ограничен 514 токенами. Карточка не приводит подробных сведений о сценариях применения и ограничениях; указан Loss 1.2111 на оценочном наборе SQAC.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

roberta-base-bne-finetuned-sqac

This model is a fine-tuned version of BSC-TeMU/roberta-base-bne on the sqac dataset. It achieves the following results on the evaluation set:

Loss: 1.2111

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: 2e-05
train_batch_size: 16
eval_batch_size: 16
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 3

Training results

Training Loss	Epoch	Step	Validation Loss
0.9971	1.0	1196	0.8646
0.482	2.0	2392	0.9334
0.1652	3.0	3588	1.2111

Framework versions

Transformers 4.11.2
Pytorch 1.9.0+cu111
Datasets 1.12.1
Tokenizers 0.10.3

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: RobertaForQuestionAnswering
Ревизия весов: 19436e6