Характеристики

Контекст: 514 токенов
Параметры: 305 млн
Лицензия: MIT
Архитектура: xlm-roberta · dense
Базовая модель: COPA_xlm_roberta_base_finetuned
Опубликована: 29 мая 2024

Ссылки

CRAB_COPA_xlm_roberta_base_finetuned

Классификация и разметкаТекст → label3 профессии

Дообученная XLM-RoBERTa Base выбирает подходящий ответ среди нескольких вариантов, в том числе для причинно-следственных вопросов COPA.

8скачиваний за 30 дней0лайковвеса обновлены29 мая 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

Ariffiq99/CRAB_COPA_xlm_roberta_base_finetuned — дообученная модель XLM-RoBERTa Base для выбора ответа из нескольких вариантов. Она принимает текстовые варианты и оценивает их в формате multiple-choice; карточка сообщает о дообучении на неизвестном датасете. Модель содержит 305,2 млн параметров, использует архитектуру XLM-RoBERTa и поддерживает контекст до 514 токенов.

Модель подходит для решения задач с вариантами ответа, в том числе вопросов на причинно-следственные связи COPA. В README приведены результаты оценки: loss 0,9984 и F1 0,7389, однако набор данных, условия и методика оценки не описаны. Лицензия — MIT.

Сценарии применения

выбор наиболее подходящего ответа из предложенных вариантов
решение причинно-следственных вопросов COPA
оценка вариантов ответа в текстовых тестах

Ограничения

Данные и методика оценки не описаны, поэтому приведённые loss и F1 трудно интерпретировать. Карточка не уточняет обучение и ограничения применения модели.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель I.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

CRAB_COPA_xlm_roberta_base_finetuned

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

Loss: 0.9984
F1: 0.7389

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
1.2704	1.0	2880	1.4786	0.6417
0.9705	2.0	5760	1.3520	0.6889
0.9099	3.0	8640	1.1632	0.7069
0.9405	4.0	11520	1.1806	0.6944
1.0841	5.0	14400	1.0165	0.7097
0.8958	6.0	17280	1.0538	0.7222
0.7811	7.0	20160	1.0732	0.7375
0.8317	8.0	23040	0.9984	0.7389

Framework versions

Transformers 4.41.1
Pytorch 2.3.0+cu121
Datasets 2.19.1
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: 63598b0