Характеристики

Контекст: 512 токенов
Параметры: 40 млн
Лицензия: MIT
Архитектура: bert · dense
Опубликована: 30 янв 2023

Ссылки

Hugging Face

MiniLM_NaturalQuestions

remunds

Ответы на вопросыТекст → текст5 профессий

Дообученная MiniLM для извлечения ответов на вопросы из текста с контекстом до 512 токенов.

193скачиваний за 30 дней1лайквеса обновлены6 фев 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

remunds/MiniLM_NaturalQuestions — дообученная модель на основе microsoft/MiniLM-L12-H384-uncased для ответов на вопросы по набору данных Natural Questions. Модель использует архитектуру BERT и содержит около 40 млн параметров; она принимает текст вопроса и контекст и извлекает из контекста ответ. Окно контекста — до 512 токенов.

Модель предназначена для сценариев извлечения ответа из текста, например для поиска фактов в документах или обработки вопросов с предоставленным контекстом. Репозиторий содержит веса PyTorch. Лицензия — MIT. Карточка не приводит результатов оценки качества и дополнительных сведений об ограничениях или обучающих данных, кроме указания на Natural Questions.

Сценарии применения

поиск ответов в текстовых документах
извлечение фактов из предоставленного контекста
ответы на вопросы по материалам Natural Questions

Ограничения

Контекст ограничен 512 токенами. В карточке не приведены результаты оценки качества и подробные ограничения применения.

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 IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель

Также подходит для

IV.5Образование и развитие навыков

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

results

This model is a fine-tuned version of microsoft/MiniLM-L12-H384-uncased on the NaturalQuestions 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: 3e-05
train_batch_size: 12
eval_batch_size: 8
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 2.0

Training results

Framework versions

Transformers 4.27.0.dev0
Pytorch 1.13.1+cu116
Datasets 2.9.0
Tokenizers 0.13.2

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: BertForQuestionAnswering
Ревизия весов: 2168212