/ Модель
Каталог

Характеристики

Контекст
512 токенов
Параметры
152 млн
Лицензия
MIT
Архитектура
deberta · dense
Опубликована
28 мая 2022

Ссылки

Hugging Face

deberta-base-finetuned-squad1-aqa-newsqa

stevemobs
Ответы на вопросыТекст → текст6 профессий

Дообученная DeBERTa для поиска ответов на вопросы в текстовом контексте.

51скачиваний за 30 дней0лайковвеса обновлены29 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

stevemobs/deberta-base-finetuned-squad1-aqa-newsqa — модель на базе DeBERTa, дообученная для извлечения ответов на вопросы. В README указано, что она является дообученной версией stevemobs/deberta-base-finetuned-squad1-aqa; число параметров — 151,8 млн, архитектура — DebertaForQuestionAnswering, формат весов — PyTorch.

Модель предназначена для ответов на вопросы по предоставленному текстовому контексту. В названии указаны SQuAD 1 и NewsQA, однако README не подтверждает состав обучающих данных: поле датасета обозначено как None. Контекст ограничен 512 токенами. Лицензия — MIT.

Сценарии применения

  • поиск ответа на вопрос в статье или документе
  • извлечение фактов из новостного текста
  • ответы на вопросы по фрагменту текста
  • создание системы вопросно-ответного поиска

Ограничения

Контекст ограничен 512 токенами. README не описывает обучающие данные, качество на прикладных наборах или известные ограничения; указана только оценка Loss 0,7525 на evaluation set.

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

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

deberta-base-finetuned-squad1-aqa-newsqa

This model is a fine-tuned version of stevemobs/deberta-base-finetuned-squad1-aqa on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.7525

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: 12
  • eval_batch_size: 12
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 2

Training results

Training LossEpochStepValidation Loss
0.6591.0173070.7169
0.47182.0346140.7525

Framework versions

  • Transformers 4.18.0
  • Pytorch 1.11.0
  • 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
DebertaForQuestionAnswering
Ревизия весов
5bb9645

0 моделей

    Создать бенчмарк