数据集:

• squad_v2 语言: 英文 许可证: mit 管道标签: 问答 标签:
• deberta
• deberta-v3 模型索引:
• 名称: navteca/deberta-v3-base-squad2 结果:
  • 任务: 类型: 问答 名称: 问答 数据集: 名称: squad_v2 类型: squad_v2 配置: squad_v2 分割: 验证 指标:
    • 名称: 精确匹配 类型: exact_match 值: 88.0876 已验证: true
    • 名称: F1分数 类型: f1 值: 91.1623 已验证: true
  • 任务: 类型: 问答 名称: 问答 数据集: 名称: squad 类型: squad 配置: plain_text 分割: 验证 指标:
    • 名称: 精确匹配 类型: exact_match 值: 89.2366 已验证: true
    • 名称: F1分数 类型: f1 值: 95.0569 已验证: true

用于问答任务的Deberta v3大型模型（SQuAD 2.0）

这是microsoft/deberta-v3-large模型，使用SQuAD2.0数据集进行微调。它已经在问答对（包括无法回答的问题）上进行了训练，用于问答任务。

训练数据

这些模型已经在SQuAD 2.0数据集上进行了训练。

它可以用于问答任务。

使用方法和性能

训练好的模型可以这样使用：

from transformers import AutoModelForQuestionAnswering, AutoTokenizer, pipeline

# 加载模型和分词器
deberta_model = AutoModelForQuestionAnswering.from_pretrained('navteca/deberta-v3-large-squad2')
deberta_tokenizer = AutoTokenizer.from_pretrained('navteca/deberta-v3-large-squad2')

# 获取预测结果
nlp = pipeline('question-answering', model=deberta_model, tokenizer=deberta_tokenizer)

result = nlp({
    'question': '柏林有多少人口？',
    'context': '柏林在891.82平方公里的面积上有3,520,031名注册居民。'
})

print(result)

#{
#  "answer": "3,520,031"
#  "end": 36,
#  "score": 0.96186668,
#  "start": 27,
#}

作者

deepset