metadata
base_model: dmis-lab/biobert-base-cased-v1.1-squad
tags:
- generated_from_trainer
model-index:
- name: dzoQA_f2f
results: []
widget:
- text: ངག་དབང་རྣམ་རྒྱལ་འདི་འབྲུག་རྒྱལ་ཁབ་ལུ་ནམ་འོང་ཡི
context: >-
ངག་དབང་རྣམ་རྒྱལ་འདི་འབྲུག་རྒྱལ་ཁབ་ནང་སྤྱི་ལོ་༡༦༡༦ ལུ་འོང་ནུག།
ཁོ་གིས་འབྲུག་རྒྱལ་ཁབ་འདི་ཁྲིམས་ལུགས་གཅིག་འོག་ལུ་གཅིག་མཐུན་བཟོ་ནུག།ཁོ་གིས་འབྲུག་རྒྱལ་ཁབ་ལུ་མ་འོང་པའི་ཧེ་མ་
ལུང་ཕྱོགས་སོ་སོ་ནང་འགོ་ཁྲིདཔ་ལེ་ཤ་སྡོད་ནུག།
ཁོ་ལུ་གུས་ཞབས་འབད་དགོ་མནོ་མི་འདི་འབད་ཡི།
- text: འབྲུག་ལུ་མི་རློབས་ག་དེམ་ཅིག་སྨོ
context: >-
འབྲུག་འདི་རྒྱ་ནག་དང་རྒྱ་གར་གྱི་བར་ན་ཨིན། འབྲུག་ལུ་མི་རློབས་༧༠༠༠༠༠
དེ་ཅིག་ཡོད།
ལོ་ལྟར་གྱི་འོང་འབབ་འདི་ལྟ་བཤལ་དང་ཆུ་གློག་མེ་ཐོན་སྐྱེད་ལས་འབྱུང་ཨིན།
རྒྱལ་ཁབ་གཞན་གྱི་མི་ལེ་ཤ་གིས་ འབྲུག་ནང་སྡོད་ནི་ལུ་དགའ།
- text: སྤྱི་ལོ་༡༩༧༤ ལུ་ལྟ་བཤལ་པ་ག་དེམ་ཅིག་གིས་འབྲུག་ཡུལ་བལྟ་སྐོར་འབད་ཡི་ག
context: >-
འབྲུག་རྒྱལ་ཁབ་ནང་ ལྟ་བཤལ་འདི་སྤྱི་ལོ་༡༩༧༤ ལུ་
འབྲུག་གཞུང་གིས་འོང་འབབ་ཡར་སེང་འབད་ནི་དང་
འབྲུག་གི་ལམ་སྲོལ་དང་སྲོལ་ལུགས་ཚུ་ཕྱི་རྒྱལ་ལུ་ཡར་རྒྱས་གཏང་ནི་གི་དཔའ་བཅམ་སྟེ་
འབྲུག་རྒྱལ་ཁབ་སོ་སོ་འདི་ལྟ་བཤལ་པ་ཚུ་ལུ་སྒོ་ཕྱེ་ཞིནམ་ལས་འགོ་བཙུགས་ནུག།སྤྱི་ལོ་༡༩༧༤
ལུ་ འབྲུག་རྒྱལ་ཁབ་ལུ་མི་ ༢༧༤ རྐྱངམ་གཅིག་ལྟ་སྐོར་འབད་ཡི་ དེ་འབདཝ་ད་
ལོ་ལེ་ཤ་ཅིག་གིས་ཨ་ནཱི་གྱངས་ཁ་འདི་ད་རེས་ཀྱི་ལོ་ཚུ་ནང་གནམ་མེད་ས་མེད་ཡར་སེང་སོང་ནུག།
dzoQA_f2f
This model is a fine-tuned version of dmis-lab/biobert-base-cased-v1.1-squad on an unknown dataset. It achieves the following results on the evaluation set:
- Loss: 5.9101
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: 16
- eval_batch_size: 16
- seed: 42
- optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
- lr_scheduler_type: linear
- num_epochs: 3
Training results
| Training Loss | Epoch | Step | Validation Loss |
|---|---|---|---|
| No log | 1.0 | 17 | 6.4873 |
| No log | 2.0 | 34 | 6.0127 |
| No log | 3.0 | 51 | 5.9101 |
Framework versions
- Transformers 4.40.2
- Pytorch 2.2.1+cu121
- Datasets 2.19.1
- Tokenizers 0.19.1