Характеристики

Контекст: 512 токенов
Параметры: 66 млн
Лицензия: Apache 2.0
Архитектура: bert · dense
Опубликована: 2 мар 2022

Ссылки

Hugging Face

distilbert-base-uncased-finetuned-squad

negfir

Ответы на вопросыТекст → текст5 профессий

Модель DistilBERT, дообученная на SQuAD для извлечения ответов на вопросы из текста.

46скачиваний за 30 дней0лайковвеса обновлены24 мар 2022

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

negfir/distilbert-base-uncased-finetuned-squad — модель семейства DistilBERT, дообученная на наборе SQuAD для ответов на вопросы по предоставленному тексту. Она принимает вопрос и контекст и извлекает из контекста фрагмент, который служит ответом. Модель содержит около 66 млн параметров, использует архитектуру BERT и доступна в формате PyTorch; максимальная длина контекста составляет 512 токенов.

Модель подходит для извлечения ответов из документов, справочных материалов и других текстов на английском языке. В README приведено значение loss 1,22 на оценочной выборке, но подробности оценки и дополнительные результаты не указаны. Лицензия — Apache-2.0.

Сценарии применения

поиск ответа на вопрос в английском документе
извлечение фактов из справочных материалов
автоматизация ответов по текстовой базе знаний

Ограничения

Контекст ограничен 512 токенами; качество на других языках и за пределами SQuAD не подтверждено приведёнными сведениями.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

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 II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей I.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022модели

Также подходит для

I.2Синтез, понимание и проверка знаний

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

distilbert-base-uncased-finetuned-squad

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

Loss: 1.2200

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: 1

Training results

Training Loss	Epoch	Step	Validation Loss
1.2789	1.0	5533	1.2200

Framework versions

Transformers 4.17.0
Pytorch 1.10.0+cu111
Datasets 1.18.4
Tokenizers 0.11.6

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: ae4c565