Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Опубликована: 18 июн 2022

Ссылки

Hugging Face

distilbert-base-uncased-finetuned-squad

sasuke

Ответы на вопросыТекст → текст6 профессий

Дообученная на SQuAD англоязычная DistilBERT-модель извлекает ответы на вопросы из заданного текстового контекста.

37скачиваний за 30 дней0лайковвеса обновлены20 июн 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

sasuke/distilbert-base-uncased-finetuned-squad — модель на базе DistilBERT, дообученная на наборе SQuAD для ответов на вопросы по предоставленному текстовому контексту. Она принимает вопрос и контекст и извлекает из него ответ; архитектура — DistilBertForQuestionAnswering, формат весов — PyTorch, максимальная длина контекста — 512 токенов. Модель подходит для поиска ответов в текстах и прототипов систем вопросно-ответного поиска.

В карточке приведён результат оценки на тестовой выборке SQuAD: loss 1.1458. Модель лицензирована по Apache-2.0. Карточка не описывает дополнительные языки или ограничения применения; обучение на SQuAD указывает на ориентированность на англоязычные вопросы и контексты.

Сценарии применения

извлечение ответа на вопрос из статьи
поиск ответа в документации
ответы на вопросы по отрывку текста

Ограничения

Ограничение контекста составляет 512 токенов. Карточка не приводит дополнительных сведений об ограничениях и качестве вне оценки на SQuAD.

Для каких профессий подходит6

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 467моделей II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель

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 the squad dataset. It achieves the following results on the evaluation set:

Loss: 1.1458

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: 32
eval_batch_size: 32
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 3

Training results

Training Loss	Epoch	Step	Validation Loss
1.2997	1.0	2767	1.1918
1.0491	2.0	5534	1.1328
0.8768	3.0	8301	1.1458

Framework versions

Transformers 4.20.0
Pytorch 1.11.0
Datasets 2.3.2
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: DistilBertForQuestionAnswering
Ревизия весов: 24fd759