/ Модель
Каталог

Характеристики

Контекст
512 токенов
Параметры
136 млн
Лицензия
Apache 2.0
Архитектура
albert · dense
Опубликована
8 мая 2022

Ссылки

Hugging Face

albert-base-v1-finetuned-squad

sam999
Ответы на вопросыТекст → текст5 профессий

Дообученная на SQuAD модель ALBERT извлекает ответы на английском языке из заданного текстового контекста.

44скачиваний за 30 дней0лайковвеса обновлены10 мая 2022

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

Это модель для ответов на вопросы, созданная дообучением albert-base-v1 на датасете SQuAD. Она принимает вопрос и текстовый контекст и извлекает из контекста ответ. Модель предназначена для систем поиска ответов по документам и справочным материалам; оценка на валидационном наборе приведена как loss 0,9426.

Модель построена на архитектуре ALBERT, содержит 136,3 млн параметров и рассчитана на контекст до 512 токенов. Поддерживает английский язык, поскольку обучена на англоязычном SQuAD. Опубликована в формате PyTorch и распространяется по лицензии Apache-2.0. Карточка не приводит дополнительных сведений о метриках качества или ограничениях применения.

Сценарии применения

  • поиск ответа на вопрос в статье или справочном тексте
  • извлечение ответа из документа по запросу пользователя
  • создание англоязычного прототипа системы вопросно-ответного поиска

Ограничения

Контекст ограничен 512 токенами. Качество описано только значением loss 0,9426 на оценочном наборе; другие метрики и ограничения в карточке не приведены.

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 467моделейI.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модельI.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022моделиII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

albert-base-v1-finetuned-squad

This model is a fine-tuned version of albert-base-v1 on the squad dataset. It achieves the following results on the evaluation set:

  • Loss: 0.9426

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: 7e-05
  • train_batch_size: 16
  • eval_batch_size: 16
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 1

Training results

Training LossEpochStepValidation Loss
0.92711.055400.9426

Framework versions

  • Transformers 4.18.0
  • Pytorch 1.11.0+cu113
  • Datasets 2.1.0
  • Tokenizers 0.12.1

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
AlbertForQuestionAnswering
Ревизия весов
c2ac4a4

0 моделей

    Создать бенчмарк