/ Модель
Каталог

Характеристики

Контекст
1 024 токена
Параметры
95,2 млн
Лицензия
Apache 2.0
Архитектура
bart · dense
Опубликована
5 дек 2022

Ссылки

Hugging Face

mc-bart-base-mqa-fine-tune

nbtpj
Генерация текстаТекст → текст

Дообученная на SQuAD модель BART-base для генерации ответов на вопросы по текстовому контексту.

103скачиваний за 30 дней0лайковвеса обновлены25 фев 2023

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.

Открыть конструктор бенчмарка

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

nbtpj/mc-bart-base-mqa-fine-tune — дообученная модель на базе facebook/bart-base, разработанная автором репозитория и обученная на датасете SQuAD. Это encoder-decoder модель семейства BART с 95,2 млн параметров, предназначенная для генерации текста. В качестве практического сценария подходит генерация ответов на вопросы по контексту, как в задачах чтения с пониманием текста.

Модель представлена в формате PyTorch, рассчитана на контекст до 1024 токенов и распространяется по лицензии Apache-2.0. В карточке указана оценка loss 0,8651 на тестовой выборке; подробности метрики и процедуры оценки не приведены. README не описывает ограничения и дополнительные сценарии применения.

Сценарии применения

  • генерация ответа на вопрос по переданному контексту
  • создание прототипа системы вопросов и ответов на документах
  • эксперименты с дообучением BART на задачах чтения с пониманием текста

Ограничения

Карточка не описывает ограничения модели и подробно не раскрывает методику оценки; указан только loss 0,8651 на тестовой выборке. Поддерживаемые языки не установлены по предоставленным данным.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

mc-bart-base-mqa-fine-tune

This model is a fine-tuned version of facebook/bart-base on the squad dataset. It achieves the following results on the evaluation set:

  • Loss: 0.8651

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: 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: 1.8

Training results

Training LossEpochStepValidation Loss
0.66730.59100000.8870
0.69691.18200000.8651
0.62981.77300000.8651

Framework versions

  • Transformers 4.20.1
  • Pytorch 1.11.0
  • Datasets 2.1.0
  • Tokenizers 0.12.1

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
EncoderDecoderForConditionalGeneration
Ревизия весов
9db3614

0 моделей

    Создать бенчмарк