Характеристики

Контекст: 514 токенов
Параметры: 305 млн
Лицензия: MIT
Архитектура: xlm-roberta · dense
Базовая модель: COPA_KUCI_xlm_roberta_base_finetuned
Опубликована: 4 июн 2024

Ссылки

Hugging Face

CRAB_COPA_KUCI_xlm_roberta_base_finetuned

Ariffiq99

Классификация и разметкаТекст → label

Дообученная XLM-RoBERTa для выбора ответа из нескольких вариантов.

7скачиваний 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_xlm_roberta_base_finetuned — дообученная модель на архитектуре XLM-RoBERTa, разработанная Ariffiq99. Она предназначена для выбора ответа из нескольких вариантов. В репозитории указаны 305,2 млн параметров, контекст до 514 токенов и формат весов safetensors.

В README сообщается о дообучении на неизвестном датасете и результатах оценки: loss 1,1600 и F1 0,7417. Лицензия модели — MIT. Карточка не уточняет языки, сценарии применения и ограничения качества, поэтому результаты следует проверять на данных целевой задачи.

Сценарии применения

Выбор наиболее подходящего ответа в тесте с вариантами
Решение задач на причинно-следственные связи в формате multiple choice
Ранжирование вариантов ответа по контексту вопроса

Ограничения

Датасет обучения и поддерживаемые языки в карточке не уточнены. Приведены только loss 1,1600 и F1 0,7417 на оценочном наборе; переносимость результатов на другие данные не установлена.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

CRAB_COPA_KUCI_xlm_roberta_base_finetuned

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

Loss: 1.1600
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 Loss	Epoch	Step	Validation Loss	F1
1.2245	1.0	2880	0.9044	0.6875
1.1396	2.0	5760	1.0192	0.7042
1.039	3.0	8640	1.1395	0.7222
0.8411	4.0	11520	1.1650	0.7389
0.7471	5.0	14400	1.1235	0.7361
0.9344	6.0	17280	1.1646	0.7375
0.7564	7.0	20160	1.0863	0.7417
0.7116	8.0	23040	1.1600	0.7417

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: XLMRobertaForMultipleChoice
Ревизия весов: 91f3c52