Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Опубликована: 29 июл 2022

Ссылки

Hugging Face

distilbert-base-uncased-finetuned-squad

tusbaki

Ответы на вопросыТекст → текст4 профессии

Англоязычная модель DistilBERT для извлечения ответов на вопросы из текста.

42скачиваний за 30 дней0лайковвеса обновлены4 авг 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

tusbaki/distilbert-base-uncased-finetuned-squad — модель DistilBERT, дообученная на наборе SQuAD для поиска ответов на вопросы по предоставленному тексту. Она принимает вопрос и контекст и предсказывает ответный фрагмент; модель предназначена для извлечения ответов, а не для свободной генерации текста. Максимальная длина контекста составляет 512 токенов. Опубликованные веса представлены в формате PyTorch.

Модель основана на distilbert-base-uncased и выпущена по лицензии Apache-2.0. README приводит значение loss 1.1966 на оценочном наборе, но не содержит подробностей о методике оценки и ограничениях. Обучение на SQuAD не подтверждает поддержку русского языка; модель рассчитана на англоязычные вопросы и контексты.

Сценарии применения

поиск ответа на вопрос в англоязычном документе
извлечение нужного фрагмента из статьи по вопросу
ответы по тексту справки или руководства
поиск факта в предоставленном контексте

Ограничения

Максимальный контекст ограничен 512 токенами; модель обучена на SQuAD и предназначена для английского языка. Она извлекает ответ из предоставленного контекста и может не ответить, если нужной информации в нём нет.

Для каких профессий подходит4

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.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022модели

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: 1.1966

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: 10
eval_batch_size: 10
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
1.2177	1.0	8853	1.1323
0.8953	2.0	17706	1.1460
0.7022	3.0	26559	1.1966

Framework versions

Transformers 4.22.0.dev0
Pytorch 1.12.0
Datasets 2.4.0
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: DistilBertForQuestionAnswering
Ревизия весов: 832f843