# 英語質問応答

ModernBERTをファインチューニングした質問応答モデルで、SQuADデータセットで優れた性能を発揮し、抽出型質問応答タスクに適しています。

Pythia-2.8Bの重複排除バージョンを基にした命令生成モデルで、合成命令データセットに最適化されています

bert-base-uncasedモデルをTriviaQAデータセットでファインチューニングした質問応答モデル

BERTベースモデルをTriviaQA質問応答データセットでファインチューニングし、オープンドメイン質問応答タスクに使用

BERT-base uncasedモデルをSQuAD v1で微調整した質問応答システムモデルで、nn_pruningライブラリを使って剪定最適化を行い、推論速度が2.01倍に向上し、F1スコアが0.69向上しました。

BERT-Miniはグーグルの研究チームによって開発された小型のBERTモデルで、SQuAD 2.0データセット上で質問応答タスクに対して微調整され、計算リソースが制限された環境に適しています。

T5-baseをベースに微調整された、問題生成と回答抽出を統合したモデルで、英語テキスト処理に対応しています。

全単語マスキング技術を用いて事前学習され、SQuAD v1.1で微調整されたBERT-largeの英語質問応答モデルで、INT8精度に量子化されています。

BERT-Mediumアーキテクチャを基にSQuAD2.0データセットでファインチューニングされた質問応答モデルで、計算リソースが限られた環境向けに設計されています

DistilRoBERTa-baseモデルをSQuAD v2データセットでファインチューニングした質問応答モデルで、軽量で効率的な特徴を持っています。

BERT-base uncasedモデルをSQuAD v1でファインチューニングし、nn_pruningライブラリでプルーニングした質問応答モデル。元の重みの42%を保持し、推論速度が2.44倍に向上します。