Характеристики

Контекст: 512 токенов
Параметры: 137 млн
Лицензия: Apache 2.0
Архитектура: bert · dense
Базовая модель: bert-base-uncased
Библиотека: transformers
Опубликована: 22 сен 2026

Ссылки

Hugging Face

multiple_choice_model

rushikeshwalode

Классификация и разметкаТекст → label3 профессии

Дообученная англоязычная BERT-модель для выбора ответа в заданиях с множественным выбором.

72скачиваний за 30 дней0лайковвеса обновлены22 сен 2026

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

rushikeshwalode/multiple_choice_model — дообученная модель BERT, разработанная на основе google-bert/bert-base-uncased и предназначенная для выбора правильного варианта из предложенных ответов. Она подходит для тестов с множественным выбором и вопросов, где нужно сопоставить текст вопроса с несколькими кандидатами. Модель содержит 136,7 млн параметров, использует архитектуру BertForMultipleChoice и принимает текстовые входные данные с контекстом до 512 токенов.

В README указана точность 0,751 и значение loss 2,0560 на оценочном наборе, однако набор данных и подробности оценки не раскрыты. Репозиторий содержит веса в формате safetensors; модель распространяется по лицензии Apache-2.0. Основа BERT uncased ориентирована на английский язык, поэтому применимость к другим языкам не подтверждена.

Сценарии применения

выбор правильного ответа в тесте с несколькими вариантами
ответы на вопросы по заданному тексту с выбором из кандидатов
автоматическая оценка заданий с множественным выбором

Ограничения

Датасет обучения и подробности оценки не указаны, поэтому метрику accuracy 0,751 сложно интерпретировать вне оценочного набора. Поддержка языков помимо английского не подтверждена.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей I.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

multiple_choice_model

This model is a fine-tuned version of google-bert/bert-base-uncased on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 2.0560
Accuracy: 0.751

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: 5e-05
train_batch_size: 16
eval_batch_size: 16
seed: 42
optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
num_epochs: 10

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.9281	1.0	563	0.7698	0.723
0.4148	2.0	1126	0.8325	0.726
0.2001	3.0	1689	1.4160	0.712
0.1073	4.0	2252	1.4036	0.726
0.0671	5.0	2815	1.8364	0.735
0.0386	6.0	3378	1.8075	0.739
0.019	7.0	3941	1.9959	0.748
0.0054	8.0	4504	2.0279	0.753
0.0016	9.0	5067	2.0335	0.752
0.0021	10.0	5630	2.0560	0.751

Framework versions

Transformers 4.54.0
Pytorch 2.11.0+cu128
Datasets 4.0.0
Tokenizers 0.21.4

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers · multiple-choice

Можно запустить

Подбираем GPU…

Класс архитектуры: BertForMultipleChoice
Ревизия весов: 25712d2