/ Модель

Характеристики

Контекст
514 токенов
Параметры
534 млн
Лицензия
CC BY 4.0
Архитектура
roberta · dense
Базовая модель
polish-roberta-large-v2
Библиотека
transformers
Опубликована
16 июл 2023

polish-qa-v2

Ответы на вопросыТекст → текст4 профессии

Польскоязычная модель на базе RoBERTa, которая извлекает ответы на вопросы из заданного контекста.

46скачиваний за 30 дней6лайковвеса обновлены4 окт 2025

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

radlab/polish-qa-v2 — польскоязычная модель извлечения ответов на вопросы, разработанная radlab.dev. Она находит в предоставленном контексте наиболее подходящий фрагмент текста и возвращает его как ответ; модель дообучена для задачи question-answering на базе sdadas/polish-roberta-large-v2 с использованием датасета clarin-pl/poquad.

Модель основана на RoBERTa, содержит 533,7 млн параметров и принимает текст вопроса вместе с контекстом. Максимальная длина контекста составляет около 512 токенов. Она подходит для поиска ответов в польских текстах, но возвращает извлечённый фрагмент, а не формулирует развёрнутый ответ; для длинных документов контекст потребуется разбивать. Лицензия — CC BY 4.0.

Сценарии применения

  • поиск ответов в польских статьях
  • ответы на вопросы по польским документам
  • извлечение фрагмента с ответом из контекста
  • создание польской системы вопросно-ответного поиска

Ограничения

Модель возвращает фрагмент исходного контекста, а не генерирует свободно сформулированный ответ. Максимальный контекст ограничен примерно 512 токенами.

Для каких профессий подходит4

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

Model Card

Extractive Question-Answer model for polish. Extractive means, that the most relevant chunk of the text is returned as answer from the context for the given question.

Model Details

Model Usage

Simple model usage with huggingface library:

from transformers import pipeline

model_path = "radlab/polish-qa-v2"

question_answerer = pipeline(
  "question-answering",
  model=model_path
)

question = "Jakie silniki posiadał okręt?"
context = """Okręt był napędzany przez trzy trzycylindrowe maszyny parowe potrójnego rozprężania, które
napędzały poprzez wały napędowe trzy śruby napędowe (dwie trójskrzydłowe
zewnętrzne o średnicy 4,5 metra i czteroskrzydłową o średnicy 4,2 metra).
Para była dostarczana przez cztery kotły wodnorurkowe typu Marine,
wyposażone łącznie w osiem palenisk i osiem kotłów cylindrycznych,
które miały łącznie 32 paleniska. Ciśnienie robocze kotłów wynosiło 12 at,
a ich łączna powierzchnia grzewcza 3560 m². Wszystkie kotły były opalane węglem,
którego normalny zapas wynosił 650, a maksymalny 1070 ton.
Nominalna moc siłowni wynosiła 13 000 KM (maksymalnie 13 922 KM przy 108 obr./min),
co pozwalało na osiągnięcie prędkości maksymalnej od 17,5 do 17,6 węzła.
Zasięg wynosił 3420 mil morskich przy prędkości 10 węzłów. Zużycie węgla przy mocy 10 000 KM
wynosiło około 11 ton na godzinę, a przy mocy maksymalnej 16 ton na godzinę.
"""

print(
  question_answerer(
    question=question,
    context=context.replace("\n", " ")
  )
)

with the sample output:

{
  'score': 0.612459123134613,
  'start': 25,
  'end': 84,
  'answer': ' trzy trzycylindrowe maszyny parowe potrójnego rozprężania,'
}

Link to the article on our blog in polish.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · question-answering

Можно запустить

Подбираем GPU…

Класс архитектуры
RobertaForQuestionAnswering
Ревизия весов
53729d6

0 моделей