Характеристики

Контекст: 512 токенов
Параметры: 136 млн
Лицензия: Apache 2.0
Архитектура: bert · dense
Базовая модель: bert-base-cased
Библиотека: transformers
Опубликована: 5 окт 2026

Ссылки

Hugging Face

bert-finetuned-squad

thanapolsjr

Ответы на вопросыТекст → текст

Дообученная на базе BERT модель для поиска ответов на вопросы в текстовом фрагменте.

50скачиваний за 30 дней0лайковвеса обновлены5 окт 2026

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

thanapolsjr/bert-finetuned-squad — модель на базе BERT-base-cased, дообученная для извлечения ответов на вопросы. Она принимает вопрос и текстовый фрагмент и находит в нём ответ; подходит для систем ответов на вопросы по документам и текстам. Модель построена на архитектуре BERT, содержит 135,5 млн параметров и рассчитана на контекст до 512 токенов. Использует библиотеку Transformers и хранится в формате safetensors.

Модель разработал пользователь thanapolsjr; в карточке указано дообучение bert-base-cased на SQuAD, однако сведения о наборе данных противоречат README, где датасет назван неизвестным. Лицензия Apache-2.0. Описание обучения и оценки, а также заявленные ограничения в карточке не раскрыты.

Сценарии применения

поиск ответа на вопрос в документе
ответы на вопросы по статьям и справочным текстам
извлечение фактов из текстового фрагмента
создание базовой системы ответов на вопросы

Ограничения

Контекст ограничен 512 токенами; сведения о данных обучения, оценке и качестве модели отсутствуют. Языковая поддержка явно не указана.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

bert-finetuned-squad

This model is a fine-tuned version of bert-base-cased on an unknown dataset.

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: 8
eval_batch_size: 8
seed: 42
optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
num_epochs: 3
mixed_precision_training: Native AMP

Training results

Framework versions

Transformers 5.18.0
Pytorch 2.11.0+cu130
Datasets 4.8.5
Tokenizers 0.23.2

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · question-answering

Можно запустить

Подбираем GPU…

Класс архитектуры: BertForQuestionAnswering
Ревизия весов: 06908a6