CodeNinja1126/xlm-roberta-large-kor-mrc

CodeNinja1126
Pregunta y respuesta

El modelo 'xlm-roberta-large-kor-mrc' de CodeNinja1126 es un modelo de grandes transformadores basado en la arquitectura XLM-Roberta diseñado para tareas de preguntas y respuestas. Este modelo ha sido implementado utilizando PyTorch y es compatible con Inference Endpoints.

Como usar

Para usar este modelo en particular, se pueden utilizar las siguientes muestras de datos para preguntas y contexto:

[
  {"text":"¿Dónde vivo?","context":"Mi nombre es Wolfgang y vivo en Berlín"},
  {"text":"¿Dónde vivo?","context":"Mi nombre es Sarah y vivo en Londres"},
  {"text":"¿Cuál es mi nombre?","context":"Mi nombre es Clara y vivo en Berkeley."},
  {"text":"¿Qué nombre también se utiliza para describir la selva amazónica en inglés?","context":"La selva amazónica (portugués: Floresta Amazônica o Amazônia; español: Selva Amazónica, Amazonía o usualmente Amazonia; francés: Forêt amazonienne; holandés: Amazoneregenwoud), también conocida en inglés como Amazonia o la Amazon Jungle, es un bosque húmedo de hoja ancha 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 territorio perteneciente a nueve naciones. La mayor parte de la selva se encuentra en Brasil, con el 60% de la selva tropical, seguido de Perú con 13%, Colombia con 10%, y pequeñas cantidades 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 tramo más grande y más biodiverso de selva tropical del mundo, con un estimado de 390 mil millones de árboles individuales divididos en 16,000 especies."}
]

Funcionalidades

Modelo basado en XLM-Roberta
Optimizado para preguntas y respuestas
Implementación con PyTorch
Compatible con Inference Endpoints

Casos de uso

Respuestas a preguntas basadas en textos
Búsqueda de información específica en grandes volúmenes de texto
Mejora de la experiencia del usuario en sistemas de conversación e inteligencia artificial