/ Модель

Характеристики

Контекст
514 токенов
Параметры
152 млн
Лицензия
CC BY 4.0
Архитектура
roberta · dense
Опубликована
2 мар 2022

roberta-base-squad

Ответы на вопросыТекст → текст3 профессии

Дообученная на SQuADv1 RoBERTa Base извлекает ответы на английском языке из текста по заданному вопросу.

57скачиваний за 30 дней1лайквеса обновлены1 июл 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

thatdramebaazguy разработал модель ответов на вопросы на основе RoBERTa Base, дообученной для задачи SQuADv1. Модель принимает вопрос и текстовый фрагмент и извлекает из него ответ; она предназначена для чтения на английском языке и сценариев, где ответ содержится в предоставленном контексте.

Модель содержит 151,8 млн параметров и имеет контекстное окно до 514 токенов. В README приведены оценки на SQuADv1: exact match 83,6 и F1 91,2; на MoviesQA указаны exact match 51,6 и F1 68,3. Доступны варианты весов для PyTorch, TensorFlow и Flax. Лицензия — CC BY 4.0.

Сценарии применения

  • извлечение ответа из англоязычного отрывка по вопросу
  • ответы на вопросы по материалам SQuAD
  • поиск фактов в англоязычных текстах
  • ответы на вопросы по описаниям фильмов

Ограничения

Модель ориентирована на английский язык и предполагает, что ответ присутствует в переданном тексте. Контекст ограничен 514 токенами; качество на MoviesQA ниже, чем на SQuADv1.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

roberta-base + SQuAD QA

Objective: This is Roberta Base trained to do the SQuAD Task. This makes a QA model capable of answering questions.

model_name = "thatdramebaazguy/roberta-base-squad"
pipeline(model=model_name, tokenizer=model_name, revision="v1.0", task="question-answering")

Overview

Language model: roberta-base
Language: English
Downstream-task: QA
Training data: SQuADv1
Eval data: SQuAD
Infrastructure: 2x Tesla v100
Code: See example

Hyperparameters

Num examples = 88567  
Num Epochs = 10
Instantaneous batch size per device = 32  
Total train batch size (w. parallel, distributed & accumulation) = 64 

Performance

Eval on SQuADv1

  • epoch = 10.0
  • eval_samples = 10790
  • exact_match = 83.6045
  • f1 = 91.1709

Eval on MoviesQA

  • eval_samples = 5032
  • exact_match = 51.6494
  • f1 = 68.2615

Github Repo:


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
RobertaForQuestionAnswering
Ревизия весов
a7a26fd

0 моделей