Характеристики

Контекст: 514 токенов
Параметры: 659 млн
Лицензия: MIT
Архитектура: xlm-roberta · dense
Базовая модель: xlm-roberta-large
Опубликована: 27 мая 2024

Ссылки

Hugging Face

CRAB_xlm_roberta_large_finetuned

Ariffiq99

Классификация и разметкаТекст → label

Дообученная многоязычная XLM-RoBERTa large для задач с выбором ответа из нескольких вариантов.

8скачиваний 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_xlm_roberta_large_finetuned — дообученная модель XLM-RoBERTa large, разработанная на основе FacebookAI/xlm-roberta-large. Она предназначена для задач с выбором одного из нескольких вариантов ответа. Модель содержит 658,7 млн параметров, использует архитектуру XLM-RoBERTa и принимает текстовые варианты для оценки выбора; максимальная длина контекста составляет 514 токенов.

В README приведены результаты на оценочной выборке: loss 1,0117 и F1 0,7278. Данные обучения и конкретное назначение набора CRAB не описаны, поэтому качество на других наборах и языках не установлено. Лицензия — MIT.

Сценарии применения

выбор правильного ответа в тесте с несколькими вариантами
оценка вариантов ответа на текстовый вопрос
ранжирование вариантов в задаче multiple-choice

Ограничения

Обучающий набор данных и целевые языки в карточке не описаны; приведённая оценка F1 относится только к указанной оценочной выборке. Контекст ограничен 514 токенами.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

CRAB_xlm_roberta_large_finetuned

This model is a fine-tuned version of FacebookAI/xlm-roberta-large on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 1.0117
F1: 0.7278

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
1.3505	1.0	2880	1.1889	0.6375
1.0303	2.0	5760	1.2069	0.6819
1.0223	3.0	8640	1.1814	0.675
1.154	4.0	11520	0.9964	0.6722
0.8642	5.0	14400	0.9703	0.7
0.773	6.0	17280	1.0314	0.6931
0.7892	7.0	20160	1.0537	0.7139
0.8371	8.0	23040	1.0117	0.7278

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: 95cc059