/ Модель

Характеристики

Контекст
514 токенов
Параметры
305 млн
Лицензия
MIT
Архитектура
xlm-roberta · dense
Базовая модель
KUCI_e_care_xlm_roberta_base_Finetuned
Опубликована
3 июн 2024

COPA_KUCI_e_care_xlm_roberta_base_finetuned

Классификация и разметкаТекст → label

Дообученная XLM-RoBERTa для выбора ответа из нескольких вариантов.

7скачиваний за 30 дней0лайковвеса обновлены3 июн 2024

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

COPA_KUCI_e_care_xlm_roberta_base_finetuned — дообученная модель на архитектуре XLM-RoBERTa для выбора ответа из нескольких вариантов. Она основана на Ariffiq99/KUCI_e_care_xlm_roberta_base_Finetuned и содержит 305,2 млн параметров; длина контекста — 514 токенов. Модель предназначена для задач multiple-choice, однако README не уточняет датасет и конкретную предметную область применения.

В README приведены результаты оценки: loss 1,1899 и F1 0,696. Модель распространяется по лицензии MIT. Языки и ограничения применения в карточке не описаны.

Сценарии применения

  • выбор правильного ответа из предложенных вариантов
  • оценка вариантов ответа на вопрос

Ограничения

Датасет и предметная область обучения не описаны; результаты оценки приведены без подробностей о наборе и методике. README не сообщает о практических ограничениях модели.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

COPA_KUCI_e_care_xlm_roberta_base_finetuned

This model is a fine-tuned version of Ariffiq99/KUCI_e_care_xlm_roberta_base_Finetuned on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 1.1899
  • F1: 0.696

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: 1e-05
  • train_batch_size: 4
  • eval_batch_size: 4
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 7

Training results

Training LossEpochStepValidation LossF1
No log1.02500.64750.614
0.67652.05000.64450.632
0.67653.07500.65240.652
0.5154.010000.94340.674
0.5155.012500.93420.68
0.42316.015001.11750.69
0.42317.017501.18990.696

Framework versions

  • Transformers 4.41.1
  • Pytorch 2.3.0+cu121
  • Datasets 2.19.2
  • Tokenizers 0.19.1

Как запустить

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

GPU в ailist

Универсальный рантайм · multiple-choice

Можно запустить

Подбираем GPU…

Класс архитектуры
XLMRobertaForMultipleChoice
Ревизия весов
07aafeb

0 моделей