懂AI
tapas-large-finetuned-wtq

tapas-large-finetuned-wtq

TAPAS大型表格问答模型实现精准查询和复杂推理

TAPAS-large-finetuned-wtq是一个基于TAPAS架构的大型表格问答模型。该模型在WikiTable Questions数据集上微调，采用相对位置编码，支持复杂表格查询和推理。经过MLM和中间预训练，模型在SQA、WikiSQL和WTQ数据集上进行链式微调，在WTQ开发集达到50.97%的准确率。模型能够高效处理与表格相关的复杂问题，提供准确的表格信息提取功能。

Huggingface模型深度学习WikiTable QuestionsGithub表格问答开源项目自然语言处理TAPAS
GitHubHugging Face论文文档

TAPAS大型模型:基于WikiTable数据集微调的表格问答利器

TAPAS是一个强大的表格问答模型,由Google Research团队开发。本文介绍的是TAPAS的大型(large)版本,它在WikiTable Questions (WTQ)数据集上进行了微调,能够有效地回答与表格相关的问题。

模型概述

这个模型有两个版本可供使用:

  1. 默认版本:使用相对位置嵌入,对应原始GitHub仓库中的tapas_wtq_wikisql_sqa_inter_masklm_large_reset检查点。

  2. 非默认版本:使用绝对位置嵌入,对应tapas_wtq_wikisql_sqa_inter_masklm_large检查点。

这两个版本在预训练和微调过程中采用了相同的步骤,只是在位置嵌入的处理上有所不同。

预训练和微调过程

TAPAS的预训练包含两个阶段:

  1. 掩码语言建模(MLM):模型学习预测被随机遮盖的单词,从而获得表格和相关文本的双向表示。

  2. 中间预训练:通过预测句子是否被表格内容支持或反驳,增强模型的数值推理能力。

在预训练之后,模型经历了一系列微调步骤:

  1. 首先在SQA数据集上微调
  2. 然后在WikiSQL数据集上微调
  3. 最后在WTQ数据集上微调

这种链式微调策略使模型能够逐步适应不同类型的表格问答任务。

模型性能

在WTQ开发集上,TAPAS large模型展现了出色的性能:

  • 使用相对位置嵌入(reset)的版本:准确率达到50.97%
  • 使用绝对位置嵌入(no reset)的版本:准确率达到50.62%

这些结果显示,TAPAS large模型在表格问答任务上具有很强的能力。

应用场景与局限性

TAPAS模型主要用于回答与表格相关的问题。它可以理解表格结构,并基于表格内容进行推理和回答。然而,用户应注意模型的局限性,如可能存在的偏见或对特定领域知识的依赖。

技术细节

  • 词汇量:30,000
  • 最大序列长度:512
  • 批量大小:512
  • 优化器:Adam
  • 学习率:1.93581e-5
  • 预热比例:0.128960

模型还添加了一个归纳偏置,使其只选择同一列的单元格,这通过TapasConfig的select_one_column参数来实现。

总的来说,TAPAS large模型为表格问答任务提供了一个强大而灵活的解决方案,能够处理各种复杂的表格相关查询。

编辑推荐精选

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器，提供智能录入、自动公式、数据整理、图表生成等功能，高效处理 Excel 任务，提升办公效率。支持自动高亮数据、批量计算、不规则数据录入，适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用，可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用，基于 UI-TARS（视觉语言模型）构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能，支持跨平台使用（Windows/MacOS），能提供实时反馈和状态显示，且数据完全本地处理，保障隐私安全。该应用集成了多种大语言模型和搜索方式，还可进行文件系统操作。适用于需要智能交互和自动化任务的场景，如信息检索、文件管理等。其提供了详细的文档，包括快速启动、部署、贡献指南和 SDK 使用说明等，方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目，支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项，可调整分辨率、扩散步数等参数，还能对提示词进行增强。使用了多种先进技术和工具，在视频和图像生成领域具有广泛应用前景，适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具，助力用户轻松创作高颜值图表

爱图表（aitubiao.com）就是AI图表，是由镝数科技推出的一款创新型智能数据可视化平台，专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型，爱图表结合强大的数据处理能力与智能化功能，致力于帮助职场人士高效处理和表达数据，提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型，支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型，支持图像和视频输入，可用于多种场景，如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式，还包含了视觉处理工具，有助于开发者快速集成和使用，提升工作效率。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力，支持多种分辨率和视频长度选择，能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法，可灵活调整生成参数，满足不同场景的需求，是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI，支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目，它集成了多种大型语言模型，支持自定义浏览器使用，具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务，无论是数据提取、网页导航还是表单填写等操作都能高效实现，有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用，在 SEO 优化方面，其关键词涵盖浏览器使用、WebUI、大型语言模型集成等，有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目，支持多种网络连接与协议，实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目，专注于人工智能语音交互领域。项目涵盖了丰富的功能，如网络连接、OTA 升级、设备激活等，同时支持多种语言。无论是开发爱好者还是专业开发者，都能借助该项目快速搭建起高效的 AI 语音交互系统，为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目，支持多种模型和服务器进行 PDF 到 Markdown 的转换，并提供测试和报告功能。

olmocr 是一个专注于光学字符识别（OCR）的 Python 项目，由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器，如 vllm、sglang、OpenAI 等，可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能，方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域，有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型，提供 AI 自动化解决方案，支持批量写作、数据分析、跨模态处理等功能，适用于电商、短视频、影视创作等场景，提升企业生产力与创作效率。关键词：飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

下拉加载更多