/ Модель

Характеристики

Контекст
512 токенов
Лицензия
Apache 2.0
Архитектура
distilbert · dense
Базовая модель
distilbert-base-uncased
Библиотека
transformers
Опубликована
10 сен 2025

distilbert-base-uncased-finetuned-squad

Ответы на вопросыТекст → текст8 профессий

Дообученная DistilBERT-модель извлекает ответы на вопросы из предоставленного текста.

189скачиваний за 30 дней0лайковвеса обновлены8 ноя 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

rizukim/distilbert-base-uncased-finetuned-squad — модель семейства DistilBERT, дообученная на неизвестном наборе данных. Она предназначена для извлечения ответа на вопрос из предоставленного текста и относится к архитектуре DistilBertForQuestionAnswering. Модель работает с текстом, использует библиотеку Transformers и рассчитана на контекст длиной до 512 токенов.

В README приведён результат оценки: loss 1,1039; описание обучающих данных, подробные сценарии применения и ограничения не раскрыты. Базовая модель — distilbert/distilbert-base-uncased. Лицензия — Apache-2.0.

Сценарии применения

  • поиск ответа на вопрос в тексте
  • извлечение фактов из документов
  • ответы на вопросы по статье или инструкции
  • поиск нужного фрагмента в текстовом контексте

Ограничения

Обучающий набор данных в README обозначен как неизвестный, а единственная приведённая оценка — loss 1,1039; качество на других данных не установлено.

Для каких профессий подходит8

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 an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 1.1039

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: Use adamw_torch with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: linear
  • num_epochs: 3

Training results

Training LossEpochStepValidation Loss
1.20751.055331.1674
0.93522.0110661.1039

Framework versions

  • Transformers 4.46.3
  • Pytorch 2.3.0+cu118
  • Datasets 3.2.0
  • Tokenizers 0.20.3

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
DistilBertForQuestionAnswering
Ревизия весов
312c9c0

0 моделей