/ Модель

Характеристики

Контекст
512 токенов
Параметры
136 млн
Лицензия
Apache 2.0
Архитектура
albert · dense
Базовая модель
albert-base-v2
Опубликована
27 мая 2024

CRAB_albert_base_finetuned

Классификация и разметкаТекст → label3 профессии

Дообученная англоязычная модель ALBERT для выбора правильного ответа из нескольких вариантов.

10скачиваний за 30 дней0лайковвеса обновлены27 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

CRAB_albert_base_finetuned — дообученная модель ALBERT, разработанная на основе albert/albert-base-v2 для задачи выбора одного ответа из нескольких вариантов. Архитектура — AlbertForMultipleChoice; модель содержит 136,3 млн параметров и принимает текст с контекстом до 512 токенов. Веса опубликованы в формате Safetensors.

В README указаны результаты оценки: loss 1,0693 и F1 0,7264. Датасет, предметная область и конкретный сценарий использования не описаны, поэтому результаты нельзя связать с определённым типом вопросов. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • выбор ответа в тестах с несколькими вариантами
  • оценка вариантов ответа на заданный вопрос
  • решение англоязычных задач формата multiple choice

Ограничения

Датасет и предметная область обучения не описаны; приведённые метрики не сопровождаются сведениями о наборе оценки или методике. Контекст ограничен 512 токенами.

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_albert_base_finetuned

This model is a fine-tuned version of albert/albert-base-v2 on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 1.0693
  • F1: 0.7264

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
1.15591.028801.28040.6444
1.03032.057601.32360.6986
0.89253.086401.05020.7014
0.92214.0115201.01110.7194
0.77995.0144001.04620.7083
0.76616.0172801.05640.7236
0.73467.0201601.06430.7250
0.66518.0230401.06930.7264

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
AlbertForMultipleChoice
Ревизия весов
1762ced

0 моделей