Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: distilbert-base-uncased
Библиотека: transformers
Опубликована: 14 авг 2026

Ссылки

Hugging Face

distilbert-qa-finetuned

zainyhur

Ответы на вопросыТекст → текст6 профессий

Дообученная модель DistilBERT для извлечения ответов на вопросы из текстового контекста.

13скачиваний за 30 дней0лайковвеса обновлены14 авг 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

zainyhur/distilbert-qa-finetuned — модель семейства DistilBERT, дообученная разработчиком репозитория на неизвестном наборе данных для ответов на вопросы. Она принимает текст вопроса и контекста и предназначена для извлечения ответа из предоставленного текста. Модель использует архитектуру DistilBertForQuestionAnswering, библиотеку Transformers и формат весов safetensors; максимальная длина контекста составляет 512 токенов. Базовая модель — distilbert/distilbert-base-uncased.

Карточка не содержит сведений о качестве, обучающих данных или специальных сценариях применения. Лицензия Apache-2.0 разрешает использование и распространение на её условиях.

Сценарии применения

поиск ответа в предоставленном фрагменте текста
ответы на вопросы по текстовым документам
извлечение фактов из англоязычного контекста

Ограничения

Обучающий набор данных неизвестен, а в карточке нет результатов оценки качества и сведений о проверенных сценариях. Максимальный контекст ограничен 512 токенами.

Для каких профессий подходит6

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 I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

distilbert-qa-finetuned

This model is a fine-tuned version of distilbert-base-uncased 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: 1

Training results

Training Loss	Epoch	Step	Validation Loss
No log	1.0	257	3.0171

Framework versions

Transformers 5.13.1
Pytorch 2.11.0+cpu
Datasets 4.0.0
Tokenizers 0.22.2

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: DistilBertForQuestionAnswering
Ревизия весов: cb725f1