/ Модель

Характеристики

Контекст
512 токенов
Параметры
205 млн
Архитектура
bert · dense
Опубликована
14 ноя 2022

mbert-base-id-finetune-idk-mrc

Ответы на вопросыТекст → текст4 профессии

Дообученная индонезийская модель BERT для извлечения ответов на вопросы из заданного текста.

21скачиваний за 30 дней1лайквеса обновлены20 июл 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

m-BERT Indonesian MRC (cased) — модель на архитектуре BERT, дообученная Rifkiaputri на наборе данных IDK-MRC для извлечения ответов на вопросы по тексту на индонезийском языке. Она принимает вопрос и контекст и выделяет в контексте фрагмент, который отвечает на вопрос. Модель подходит для систем поиска ответов по индонезийским документам и текстам.

Модель содержит 205,1 млн параметров и поддерживает контекст длиной до 512 токенов. Она распространяется в форматах PyTorch и Safetensors. Сведения о лицензии в доступных материалах отсутствуют.

Сценарии применения

  • поиск ответа на вопрос в индонезийском документе
  • извлечение фрагментов с ответами из индонезийских статей
  • создание системы вопросов и ответов по индонезийским текстам

Ограничения

Модель предназначена для извлечения ответа из предоставленного контекста и не заявлена для генерации свободных ответов. Контекст ограничен 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

m-BERT Indonesian MRC (cased)

m-BERT model fine-tuned on IDK-MRC dataset for answering extractive questions in Indonesian. Please refer to this paper for more details on the model.

Citation Info

@inproceedings{putri-oh-2022-idk,
    title = "{IDK}-{MRC}: Unanswerable Questions for {I}ndonesian Machine Reading Comprehension",
    author = "Putri, Rifki Afina  and
      Oh, Alice",
    booktitle = "Proceedings of the 2022 Conference on Empirical Methods in Natural Language Processing",
    month = dec,
    year = "2022",
    address = "Abu Dhabi, United Arab Emirates",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/2022.emnlp-main.465",
    pages = "6918--6933",
}

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
3a8a21c

0 моделей