/ Модель

Характеристики

Контекст
512 токенов
Параметры
434 млн
Архитектура
bert · dense

bert-large-finetuned-squad2

Ответы на вопросыТекст → текст7 профессий

Англоязычная модель BERT Large для извлечения ответов из текста с учётом вопросов, на которые в контексте нет ответа.

866скачиваний за 30 дней0лайковвеса обновлены20 мая 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

phiyodr/bert-large-finetuned-squad2 — англоязычная модель на архитектуре BERT Large, созданная дообучением bert-large-uncased на наборе SQuAD 2.0 для ответов на вопросы по заданному тексту. Она извлекает ответ из контекста и обучена учитывать случаи, когда в тексте нет ответа на вопрос. Модель принимает текст вопроса и контекста, выдаёт текстовый ответ; максимальная длина контекста составляет 512 токенов. Доступны версии весов PyTorch и Flax.

Модель подходит для поиска ответов в англоязычных статьях, документах и справочных материалах, если нужная информация присутствует в переданном контексте. Она не предназначена для свободного диалога или надёжных ответов на вопросы, не опирающиеся на контекст. Карточка не сообщает условия лицензии.

Сценарии применения

  • извлечение ответов из англоязычных статей
  • ответы на вопросы по документам и справочным материалам
  • поиск ответов в переданном тексте
  • определение случаев, когда контекст не содержит ответа

Ограничения

Работает с английским текстом и ограничена контекстом длиной до 512 токенов; качество ответов вне домена SQuAD 2.0 не подтверждено приведённой карточкой. Лицензия в доступных данных не указана.

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-large-finetuned-squad2

Model description

This model is based on bert-large-uncased and was finetuned on SQuAD2.0. The corresponding papers you can found here (model) and here (data).

How to use

from transformers.pipelines import pipeline

model_name = "phiyodr/bert-large-finetuned-squad2"
nlp = pipeline('question-answering', model=model_name, tokenizer=model_name)
inputs = {
    'question': 'What discipline did Winkelmann create?',
    'context': 'Johann Joachim Winckelmann was a German art historian and archaeologist. He was a pioneering Hellenist who first articulated the difference between Greek, Greco-Roman and Roman art. "The prophet and founding hero of modern archaeology", Winckelmann was one of the founders of scientific archaeology and first applied the categories of style on a large, systematic basis to the history of art. '
}
nlp(inputs)

Training procedure

{
	"base_model": "bert-large-uncased",
	"do_lower_case": True,
	"learning_rate": 3e-5,
	"num_train_epochs": 4,
	"max_seq_length": 384,
	"doc_stride": 128,
	"max_query_length": 64,
	"batch_size": 96 
}

Eval results

{
  "exact": 76.22336393497852,
  "f1": 79.72527570261339,
  "total": 11873,
  "HasAns_exact": 76.19770580296895,
  "HasAns_f1": 83.21157193271408,
  "HasAns_total": 5928,
  "NoAns_exact": 76.24894869638352,
  "NoAns_f1": 76.24894869638352,
  "NoAns_total": 5945
}

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
5f4b89a

0 моделей