Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: distilbert-base-uncased
Опубликована: 1 мар 2024

Ссылки

Hugging Face

distilbert-finetuned-squad_v2

quynguyen1704

Ответы на вопросыТекст → текст5 профессий

Дообученная англоязычная DistilBERT-модель извлекает ответы на вопросы из текста в пределах контекста до 512 токенов.

14скачиваний за 30 дней0лайковвеса обновлены1 мар 2024

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 quynguyen1704/distilbert-finetuned-squad_v2 — дообученная версия DistilBERT для задачи question answering. Она предназначена для извлечения ответа на вопрос из предоставленного текста; архитектура — DistilBertForQuestionAnswering, базовая модель — distilbert/distilbert-base-uncased. Контекст ограничен 512 токенами, веса доступны в формате safetensors. Модель основана на англоязычной uncased-версии DistilBERT и подходит для англоязычных фрагментов текста. Лицензия — Apache-2.0. В карточке не приведены сведения о датасете дообучения, оценке качества и известных ограничениях.

Сценарии применения

поиск ответа на вопрос в отрывке текста
извлечение фактов из англоязычных документов
ответы на вопросы по статьям и справочным материалам

Ограничения

Контекст ограничен 512 токенами; сведения о датасете дообучения и результатах оценки качества отсутствуют.

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.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель

Также подходит для

I.14Автоматизация процессов и AI-агенты

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

distilbert-finetuned-squad_v2

This model is a fine-tuned version of distilbert-base-uncased on an unknown dataset.

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: 8
eval_batch_size: 8
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 3
mixed_precision_training: Native AMP

Training results

Framework versions

Transformers 4.35.2
Pytorch 2.1.0+cu121
Datasets 2.16.1
Tokenizers 0.15.2

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: DistilBertForQuestionAnswering
Ревизия весов: 80d785b