Характеристики

Контекст: 512 токенов
Архитектура: distilbert · dense

Ссылки

Hugging Face

tiny-distilbert-base-cased-distilled-squad

sshleifer

Ответы на вопросыТекст → текст7 профессий

Компактная англоязычная модель DistilBERT извлекает ответы на вопросы из предоставленного текста.

18 830скачиваний за 30 дней1лайквеса обновлены14 мая 2020

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

sshleifer/tiny-distilbert-base-cased-distilled-squad — компактная модель экстрактивного ответа на вопросы, опубликованная Sam Shleifer на Hugging Face. Она принимает вопрос и текстовый контекст и извлекает из контекста фрагмент, который отвечает на вопрос.

Модель основана на архитектуре DistilBERT с классификационной головой для question answering и является уменьшенной версией DistilBERT, дообученной для SQuAD. Поддерживает английский язык и контекст длиной до 512 токенов. Доступны веса PyTorch и TensorFlow.

Подходит для поиска ответов в документах и других текстах, когда ответ явно содержится в предоставленном контексте. Как экстрактивная модель, она не предназначена для свободной генерации ответов и зависит от качества и полноты контекста. Репозиторий не сообщает лицензию; условия использования следует проверять на странице модели.

Сценарии применения

поиск ответа в тексте по заданному вопросу
извлечение фактов из документов
ответы на вопросы по справочным материалам
создание компактного прототипа системы question answering

Ограничения

Модель извлекает ответ только из предоставленного контекста и ограничена контекстом до 512 токенов. Англоязычная специализация ограничивает её применение на других языках.

Для каких профессий подходит7

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 I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей 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

Автор не опубликовал карточку модели.

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: 33a976c