/ 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-v5

Классификация и разметкаТекст → label3 профессии

Дообученная DeBERTa v2 для выбора правильного ответа из нескольких вариантов по текстовому вопросу.

9скачиваний 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

Модель quastrinos/race-openbook-finetuned-deberta-v3-large-mcqa-TPU-v5 — дообученная версия quastrinos/race-openbook-finetuned-deberta-v3-large-mcqa-TPU-v4 для задач с выбором ответа. Она использует плотную архитектуру DeBERTa v2 с головой DebertaV2ForMultipleChoice и содержит 533,8 млн параметров. Модель принимает текст вопроса и варианты ответа, чтобы определить наиболее подходящий вариант; максимальная длина контекста — 512 токенов.

В README приведены значения потерь и метрики Map3 на обучающей выборке, но назначение датасета и результаты на валидации подробно не описаны. Репозиторий распространяется по лицензии MIT.

Сценарии применения

  • выбор правильного ответа в тестах с несколькими вариантами
  • ответы на вопросы по текстовому отрывку
  • автоматическая проверка тестов с выбором ответа

Ограничения

README не раскрывает обучающий датасет и конкретные сценарии применения; контекст ограничен 512 токенами. Приведённые метрики относятся к обучающей выборке, поэтому по ним нельзя оценить качество на новых данных.

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-v5

This model is a fine-tuned version of quastrinos/race-openbook-finetuned-deberta-v3-large-mcqa-TPU-v4 on an unknown dataset. It achieves the following results on the evaluation set:

  • Train Loss: 0.6490
  • Validation Loss: 0.9673
  • Train Map3: 0.7783
  • 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
0.64900.96730.77835.0733553e-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
d17d7ec

0 моделей