Характеристики

Контекст: 514 токенов
Параметры: 305 млн
Лицензия: MIT
Архитектура: xlm-roberta · dense
Базовая модель: e_care_CRAB_COPA_xlm_roberta_base_finetuned
Опубликована: 12 июн 2024

Ссылки

Hugging Face

KUCI_e_care_CRAB_xlm_roberta_Base_Finetuned

Ariffiq99

Классификация и разметкаТекст → label3 профессии

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

9скачиваний за 30 дней0лайковвеса обновлены12 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

KUCIecareCRABxlmrobertaBaseFinetuned — модель XLM-RoBERTa, дообученная Ariffiq99 на основе Ariffiq99/e_care_CRAB_COPA_xlm_roberta_base_finetuned для задач с выбором одного из нескольких вариантов. В карточке указаны результаты оценки: loss 1,0274 и F1 0,7715; обучающий датасет не раскрыт.

Модель имеет плотную архитектуру XLM-RoBERTa с 305,2 млн параметров и контекстом до 514 токенов. Репозиторий содержит веса в формате Safetensors. Лицензия — MIT. Карточка не описывает целевую область, языковой охват, ограничения или рекомендуемые сценарии применения.

Сценарии применения

выбор наиболее подходящего ответа из предложенных вариантов
оценка вариантов ответа на вопрос
решение тестов с множественным выбором

Ограничения

Обучающий датасет и целевая область не описаны, поэтому результаты на других данных и пригодность для конкретных сценариев неясны.

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 IV.5Отраслевые задачиОбразование и развитие навыковAI помогает персонализировать обучение и снижать административную нагрузку на преподавателей.34 задачи6 641модель I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

KUCI_e_care_CRAB_xlm_roberta_Base_Finetuned

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

Loss: 1.0274
F1: 0.7715

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: 16
eval_batch_size: 16
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 7

Training results

Training Loss	Epoch	Step	Validation Loss	F1
0.6977	1.0	5196	0.6451	0.7384
0.5603	2.0	10392	0.6679	0.7591
0.4661	3.0	15588	0.6312	0.7684
0.3631	4.0	20784	0.7372	0.7654
0.2843	5.0	25980	0.7695	0.7680
0.2361	6.0	31176	0.9795	0.7702
0.2076	7.0	36372	1.0274	0.7715

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: c493e20