/ Модель

Характеристики

Контекст
512 токенов
Параметры
534 млн
Лицензия
MIT
Архитектура
deberta-v2 · dense
Опубликована
9 окт 2023

race-openbook-finetuned-deberta-v3-large-mcqa-TPU-v3

Классификация и разметкаТекст → label3 профессии

Дообученная DeBERTa-v2 Large для выбора ответа в заданиях с несколькими вариантами.

11скачиваний за 30 дней0лайковвеса обновлены9 окт 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 дообученная модель quastrinos на архитектуре DeBERTa-v2 Large для выбора правильного варианта ответа в заданиях с несколькими вариантами. В карточке указано 533,8 млн параметров и контекст до 512 токенов; модель опубликована в формате TensorFlow и лицензирована по MIT.

Модель предназначена для задач multiple-choice, однако описание не уточняет обучающие данные и целевые сценарии. В README приведены значения потерь и метрика Train Map3, но нет подробностей об оценочном наборе или результатах на независимых тестах. Базовая модель указана как quastrinos/race-openbook-finetuned-deberta-v3-large-mcqa-TPU.

Сценарии применения

  • выбор правильного ответа в тестах с вариантами
  • автоматическое решение вопросов формата multiple-choice
  • ранжирование вариантов ответа по соответствию вопросу

Ограничения

В README не описаны обучающий набор данных, предназначенные сценарии и ограничения; указаны лишь метрики обучения и валидации без контекста их оценки. Контекст ограничен 512 токенами.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

race-openbook-finetuned-deberta-v3-large-mcqa-TPU-v3

This model is a fine-tuned version of quastrinos/race-openbook-finetuned-deberta-v3-large-mcqa-TPU on an unknown dataset. It achieves the following results on the evaluation set:

  • Train Loss: 0.7333
  • Validation Loss: 0.9902
  • Train Map3: 0.7764
  • Train Lr: 5.0733553e-11
  • Epoch: 0

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:

  • optimizer: {'name': 'Adam', 'weight_decay': 0.001, 'clipnorm': 1, 'global_clipnorm': None, 'clipvalue': None, 'use_ema': False, 'ema_momentum': 0.99, 'ema_overwrite_frequency': None, 'jit_compile': False, 'is_legacy_optimizer': False, 'learning_rate': {'class_name': 'CosineDecay', 'config': {'initial_learning_rate': 2e-06, 'decay_steps': 312, 'alpha': 5e-09, 'name': None}}, 'beta_1': 0.9, 'beta_2': 0.999, 'epsilon': 1e-07, 'amsgrad': False}
  • training_precision: mixed_bfloat16

Training results

Train LossValidation LossTrain Map3Train LrEpoch
0.73330.99020.77645.0733553e-110

Framework versions

  • Transformers 4.35.0.dev0
  • TensorFlow 2.12.0
  • Datasets 2.14.5
  • Tokenizers 0.14.1

Как запустить

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

GPU в ailist

Универсальный рантайм · multiple-choice

Нельзя запустить

В репозитории нет весов в формате PyTorch/safetensors.

Класс архитектуры
DebertaV2ForMultipleChoice
Ревизия весов
13882fc

0 моделей