/ Модель

Характеристики

Контекст
514 токенов
Параметры
305 млн
Лицензия
MIT
Архитектура
xlm-roberta · dense
Опубликована
2 мар 2022

xlm-roberta-base-finetuned-chaii

Ответы на вопросыТекст → текст6 профессий

Дообученная XLM-RoBERTa Base для поиска ответов на вопросы в тексте.

148скачиваний за 30 дней0лайковвеса обновлены7 дек 2023

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

tyqiangz/xlm-roberta-base-finetuned-chaii — модель на архитектуре XLM-RoBERTa Base, дообученная для ответов на вопросы. Она предназначена для извлечения ответа из предоставленного контекста по заданному вопросу. В метаданных указан размер 305,2 млн параметров и длина контекста 514 токенов; доступны веса PyTorch и safetensors.

Карточка сообщает о дообучении на наборе данных chaii и приводит значение функции потерь 0,4651 на оценочной выборке, но не описывает состав данных, языки и конкретные ограничения качества. Модель опубликована под лицензией MIT.

Сценарии применения

  • извлечение ответа на вопрос из предоставленного текста
  • создание системы вопросов и ответов по документам
  • поиск фактов в контексте по запросу пользователя

Ограничения

Карточка не описывает языковой охват, обучающие данные и детальные ограничения качества. Указанная длина контекста — 514 токенов.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

xlm-roberta-base-finetuned-chaii

This model is a fine-tuned version of xlm-roberta-base on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.4651

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: 16
  • eval_batch_size: 16
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 3

Training results

Training LossEpochStepValidation Loss
0.921.08990.4482
0.80552.017980.3225
0.74853.026970.4651

Framework versions

  • Transformers 4.9.2
  • Pytorch 1.9.0+cu102
  • Datasets 1.11.0
  • Tokenizers 0.10.3

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
XLMRobertaForQuestionAnswering
Ревизия весов
c9ac57a

0 моделей