aware-ai/distilbart-xsum-12-6-squadv2
aware-ai
Pregunta y respuesta
aware-ai/distilbart-xsum-12-6-squadv2 es un modelo alojado en Hugging Face que se especializa en el cuestionario-respuesta. Usa bart, PyTorch y Safetensors, y es compatible con Endpoints de Inferencia. Este modelo está diseñado para responder preguntas basándose en el contexto proporcionado.
Como usar
El modelo se puede usar para responder preguntas basadas en contextos específicos. A continuación se muestran algunos ejemplos de uso:
**Pregunta:** ¿Dónde vivo?
**Contexto:** Me llamo Wolfgang y vivo en Berlín.
**Pregunta:** ¿Dónde vivo?
**Contexto:** Me llamo Sarah y vivo en Londres.
**Pregunta:** ¿Cuál es mi nombre?
**Contexto:** Me llamo Clara y vivo en Berkeley.
**Pregunta:** ¿Qué nombre también se utiliza para describir la selva amazónica en inglés?
**Contexto:** La selva amazónica (portugués: Floresta Amazônica o Amazônia; español: Selva Amazónica, Amazonía o usualmente Amazonia; francés: Forêt amazonienne; neerlandés: Amazoneregenwoud), también conocida en inglés como Amazonia o la Selva del Amazonas, es un bosque tropical húmedo que cubre la mayor parte de la cuenca del Amazonas en América del Sur. Esta cuenca abarca 7,000,000 kilómetros cuadrados (2,700,000 millas cuadradas), de los cuales 5,500,000 kilómetros cuadrados (2,100,000 millas cuadradas) están cubiertos por la selva. Esta región incluye territorios pertenecientes a nueve naciones. La mayor parte del bosque está contenida dentro de Brasil, con el 60% de la selva tropical, seguido por Perú con el 13%, Colombia con el 10% y con cantidades menores en Venezuela, Ecuador, Bolivia, Guyana, Surinam y Guayana Francesa. Estados o departamentos en cuatro naciones contienen "Amazonas" en sus nombres. El Amazonas representa más de la mitad de las selvas tropicales restantes del planeta, y comprende el mayor y más biodiverso tramo de selva tropical en el mundo, con un estimado de 390 mil millones de árboles individuales divididos en 16,000 especies.
Funcionalidades
- Cuestionario-respuesta
- Basado en bart
- Compatible con transformadores
- Implementado usando PyTorch
- Usa Safetensors para eficiencia
- Compatible con Endpoints de Inferencia
- Región: EE.UU.
Casos de uso
- Responder preguntas basadas en un contexto
- Aplicaciones de chatbots
- Sistemas de asistencia virtual
- Investigación automatizada de documentos