Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Опубликована: 11 июн 2022

Ссылки

Hugging Face

distilbert-base-uncased-finetuned-squad

seomh

Ответы на вопросыТекст → текст3 профессии

Англоязычная модель на базе DistilBERT извлекает ответы на вопросы из заданного текста.

221скачиваний за 30 дней0лайковвеса обновлены15 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

seomh/distilbert-base-uncased-finetuned-squad — англоязычная модель ответов на вопросы, разработанная как дообученная версия distilbert-base-uncased на наборе данных SQuAD. Она принимает текстовый контекст и вопрос и извлекает ответ из контекста; архитектура — DistilBERT с головой DistilBertForQuestionAnswering, а максимальная длина контекста составляет 512 токенов. В карточке приведено значение loss 0,0083 на оценочном наборе, но подробности оценки не описаны.

Модель распространяется по лицензии Apache-2.0. Она предназначена для извлечения ответов из предоставленного текста и не предназначена для генерации развернутых ответов или надёжной работы за пределами английского языка и обучения на SQuAD.

Сценарии применения

извлечение ответа из англоязычной статьи по вопросу
ответы на вопросы по тексту справки или документации
поиск факта в предоставленном фрагменте текста

Ограничения

Контекст ограничен 512 токенами; модель обучена на SQuAD и ориентирована на английский язык, поэтому качество на других языках и вне этого сценария не подтверждено.

Для каких профессий подходит3

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

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: 0.0083

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: 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
1.2258	1.0	5533	0.0560
0.952	2.0	11066	0.0096
0.7492	3.0	16599	0.0083

Framework versions

Transformers 4.19.4
Pytorch 1.11.0+cu113
Datasets 2.2.2
Tokenizers 0.12.1

Как запустить

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

GPU в ailist

Универсальный рантайм · question-answering

Нельзя запустить

Репозиторий недоступен на Hugging Face.

Класс архитектуры: DistilBertForQuestionAnswering
Ревизия весов: 656c39f