/ Модель

Характеристики

Контекст
512 токенов
Параметры
212 млн
Архитектура
deberta-v2 · dense
Опубликована
17 сен 2024

naturalquestionsShort_microsoft_deberta-v3-base_seed-1

Ответы на вопросыТекст → текст5 профессий

Модель DeBERTa-v3-base, дообученная для извлечения коротких ответов на англоязычные вопросы по контексту в датасете Natural Questions.

393скачиваний за 30 дней0лайковвеса обновлены17 сен 2024

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

utahnlp/naturalquestionsShort_microsoft_deberta-v3-base_seed-1 — дообученная модель семейства Microsoft DeBERTa-v3-base, опубликованная NLP-группой Университета Юты. Она предназначена для извлечения коротких ответов на вопросы по контексту в задаче Natural Questions.

Модель имеет около 211,6 млн параметров, использует архитектуру DeBERTa и поддерживает входной контекст длиной до 512 токенов. Это текстовая англоязычная модель для extractive question answering: она выбирает фрагмент ответа из предоставленного контекста, а не генерирует произвольный длинный ответ. Сильная сторона — специализированная настройка под короткие ответы Natural Questions; ограничения включают зависимость от качества и релевантности контекста, ограниченную длину входа и отсутствие подтвержденных сведений о поддержке других языков. Лицензия для этой производной модели в доступных источниках не указана.

Сценарии применения

  • поиск короткого ответа на вопрос в веб-документе
  • извлечение ответа из переданного контекста
  • автоматическое тестирование систем question answering
  • ответы на фактологические вопросы по англоязычному тексту

Ограничения

Модель рассчитана на англоязычные вопросы и контексты, ограничена контекстом до 512 токенов и выбирает ответы из текста, поэтому не предназначена для свободной генерации или надежного ответа без подходящего контекста.

Для каких профессий подходит5

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

Автор не опубликовал карточку модели.

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
DebertaV2ForQuestionAnswering
Ревизия весов
5862538

0 моделей