Модель XLM-RoBERTa для классификации текста, обученная на наборе ACTSA-CARDIFFNLP/autotrain-data.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
AnirudhVV/ACTSA-CARDIFFNLP — модель классификации текста, обученная с помощью AutoTrain на наборе ACTSA-CARDIFFNLP/autotrain-data. Она построена на архитектуре XLM-RoBERTa и содержит около 305,2 млн параметров; максимальная длина контекста составляет 514 токенов. Модель предназначена для отнесения входного текста к классам задачи, на которой её обучали.
В README приведены метрики на валидации: accuracy и micro-F1 около 0,46, macro-F1 около 0,21. Эти результаты указывают на ограниченное качество классификации; без описания классов и данных оценить применимость модели к конкретному сценарию нельзя. Лицензия в предоставленных сведениях не обозначена.
Валидационные accuracy и micro-F1 составляют около 0,46, а macro-F1 — около 0,21, поэтому качество ограничено и может различаться между классами. Лицензия и перечень классов в предоставленных материалах не описаны.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
loss: 1.0654646158218384
f1_macro: 0.2095479509928179
f1_micro: 0.4584103512014787
f1_weighted: 0.2881768494245037
precision_macro: 0.1528034504004929
precision_micro: 0.4584103512014787
precision_weighted: 0.21014005008866307
recall_macro: 0.3333333333333333
recall_micro: 0.4584103512014787
recall_weighted: 0.4584103512014787
accuracy: 0.4584103512014787
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · text-classification
Подбираем GPU…