/ Модель

Характеристики

Контекст
512 токенов
Лицензия
Apache 2.0
Архитектура
distilbert · dense
Опубликована
21 июл 2022

distilbert-base-uncased-finetuned-squad

Ответы на вопросыТекст → текст5 профессий

Дообученная на SQuAD модель DistilBERT извлекает ответы на вопросы из текста длиной до 512 токенов.

37скачиваний за 30 дней0лайковвеса обновлены21 июл 2022

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 модель DistilBERT для извлечения ответов на вопросы из текста. Её дообучили на наборе SQuAD на основе distilbert-base-uncased; архитектура реализована классом DistilBertForQuestionAnswering. Модель принимает вопрос и контекст и предсказывает ответный фрагмент текста.

Модель подходит для поиска ответов в коротких текстовых отрывках, например в справочных материалах или статьях. Контекст ограничен 512 токенами. В карточке указана оценка Loss 1.1542 на наборе оценки, но подробности оценки и ограничения не приведены. Лицензия — Apache-2.0.

Сценарии применения

  • поиск ответа в тексте статьи
  • ответы на вопросы по справочному материалу
  • извлечение фактов из короткого текстового отрывка

Ограничения

Контекст ограничен 512 токенами; качество за пределами оценки на SQuAD не установлено. Карточка не приводит подробных сведений о тестировании и ограничениях.

Для каких профессий подходит5

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

distilbert-base-uncased-finetuned-squad

This model is a fine-tuned version of distilbert-base-uncased on the squad dataset. It achieves the following results on the evaluation set:

  • Loss: 1.1542

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: 16
  • eval_batch_size: 16
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 3

Training results

Training LossEpochStepValidation Loss
1.21371.055331.1516
0.94632.0110661.1115
0.76653.0165991.1542

Framework versions

  • Transformers 4.20.1
  • Pytorch 1.10.0
  • Datasets 2.3.2
  • Tokenizers 0.12.1

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
8e2b4bb

0 моделей