Характеристики

Контекст: 514 токенов
Параметры: 95,2 млн
Лицензия: Apache 2.0
Архитектура: roberta · dense
Базовая модель: distilroberta-base
Библиотека: transformers
Опубликована: 21 июн 2026

Ссылки

Hugging Face

results

Angel-AV

Классификация текстаТекст → label

Дообученная на базе distilroberta-base модель для классификации текстовых последовательностей.

7скачиваний за 30 дней0лайковвеса обновлены21 июн 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Angel-AV/results — дообученная модель классификации последовательностей на основе distilroberta-base, разработанная с использованием библиотеки Transformers. Она содержит 95,2 млн параметров, принимает текстовые последовательности длиной до 514 токенов и выдаёт метки классов. Назначение классов и предметная область в карточке не описаны.

На оценочной выборке указаны accuracy 0,6331, F1 0,5918 и loss 0,7785. Эти показатели относятся к неописанному набору данных, поэтому их нельзя напрямую переносить на другие задачи. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

классификация коротких текстовых последовательностей
присвоение меток текстам в рамках задачи, соответствующей обучающему набору данных
эксперименты с классификацией текста на основе RoBERTa

Ограничения

Назначение классов и обучающий набор данных не описаны, а приведённые метрики получены на неуточнённой оценочной выборке. Нет оснований ожидать сопоставимого качества на других задачах или данных.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

results

This model is a fine-tuned version of distilroberta-base on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.7785
Accuracy: 0.6331
F1: 0.5918

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: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
num_epochs: 5

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy	F1
1.0951	1.0	41	1.0640	0.4532	0.3828
0.8399	2.0	82	0.8285	0.6403	0.6136
0.7105	3.0	123	0.8807	0.6187	0.6059
0.5352	4.0	164	0.8899	0.6043	0.6028
0.4515	5.0	205	0.8339	0.6547	0.6433

Framework versions

Transformers 5.10.2
Pytorch 2.11.0+cu128
Datasets 5.0.0
Tokenizers 0.22.2

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: RobertaForSequenceClassification
Ревизия весов: d0a289d