/ Модель

Характеристики

Контекст
512 токенов
Параметры
136 млн
Лицензия
Apache 2.0
Архитектура
albert · dense
Базовая модель
COPA_KUCI_albert_base_finetuned
Опубликована
4 июн 2024

CRAB_COPA_KUCI_Albert_Base_finetuned

Классификация и разметкаТекст → label3 профессии

Дообученная ALBERT-модель для выбора наиболее подходящего ответа из нескольких вариантов.

8скачиваний за 30 дней0лайковвеса обновлены4 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

CRAB_COPA_KUCI_Albert_Base_finetuned — модель Ariffiq99, дообученная на базе Ariffiq99/COPA_KUCI_albert_base_finetuned для выбора одного ответа из нескольких вариантов. Она использует плотную архитектуру ALBERT и содержит 136,3 млн параметров; максимальная длина контекста — 512 токенов. В README приведены результаты оценки: loss 1,0723 и F1 0,7417, однако набор данных и подробности оценки не описаны. Модель распространяется в формате safetensors по лицензии Apache-2.0.

Сценарии применения

  • выбор правильного ответа в тесте с вариантами
  • оценка кандидатов ответа на вопрос
  • решение задач на причинно-следственное рассуждение с выбором ответа

Ограничения

Датасет и подробности методики оценки не описаны; приведённые значения loss и F1 не сопровождаются контекстом, достаточным для оценки качества в конкретных сценариях.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

CRAB_COPA_KUCI_Albert_Base_finetuned

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

  • Loss: 1.0723
  • F1: 0.7417

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: 1
  • eval_batch_size: 1
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 8

Training results

Training LossEpochStepValidation LossF1
1.26621.028800.94920.7083
1.18172.057601.29880.7111
0.98473.086400.98790.7167
0.93044.0115201.21390.7083
0.95665.0144001.07380.7250
0.87186.0172801.11130.7236
0.83147.0201601.08360.7361
0.73318.0230401.07230.7417

Framework versions

  • Transformers 4.41.2
  • 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
AlbertForMultipleChoice
Ревизия весов
faa6c0d

0 моделей