/ Модель

Характеристики

Контекст
514 токенов
Параметры
305 млн
Архитектура
xlm-roberta · dense
Опубликована
14 ноя 2022

xlmr-base-id-finetune-idk-mrc

Ответы на вопросыТекст → текст3 профессии

Дообученная XLM-RoBERTa для извлечения ответов на вопросы из текстов на индонезийском языке.

17скачиваний 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

rifkiaputri/xlmr-base-id-finetune-idk-mrc — модель XLM-RoBERTa, дообученная на наборе IDK-MRC для поиска ответов на вопросы в индонезийских текстах. Она предназначена для экстрактивного машинного чтения: на вход получает вопрос и контекст, а на выходе выделяет ответный фрагмент из контекста. Модель содержит около 305,2 млн параметров и поддерживает контекст длиной до 514 токенов.

Модель подходит для извлечения фактов из индонезийских документов и текстов. В репозитории доступны веса PyTorch и Safetensors. Карточка ссылается на научную статью с подробностями, но не сообщает дополнительных ограничений качества. Лицензия в предоставленных данных не указана.

Сценарии применения

  • извлечение ответов из индонезийских документов
  • поиск фактов по вопросу и текстовому фрагменту
  • построение системы вопросов и ответов для индонезийских текстов

Ограничения

Ответ извлекается из предоставленного контекста, поэтому модель не предназначена для ответов, отсутствующих в тексте. Контекст ограничен 514 токенами.

Для каких профессий подходит3

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

XLM-R for Indonesian MRC (cased)

XLM-R 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
XLMRobertaForQuestionAnswering
Ревизия весов
9bd46b1

0 моделей