Характеристики

Контекст: 514 токенов
Параметры: 659 млн
Лицензия: MIT
Архитектура: xlm-roberta · dense
Базовая модель: e_care_CRAB_xlm_roberta_large_finetuned
Опубликована: 12 июн 2024

Ссылки

Hugging Face

KUCI_e_care_CRAB_xlm_roberta_large_Finetuned

Ariffiq99

Классификация и разметкаТекст → label3 профессии

Дообученная XLM-RoBERTa Large для выбора ответа из нескольких вариантов.

13скачиваний 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

KUCI_e_care_CRAB_xlm_roberta_large_Finetuned — модель на архитектуре XLM-RoBERTa Large, дообученная на базе Ariffiq99/e_care_CRAB_xlm_roberta_large_finetuned. Она предназначена для задач с выбором одного варианта ответа из предложенных; доступный тип архитектуры — XLMRobertaForMultipleChoice. Модель содержит около 658,7 млн параметров и рассчитана на контекст до 514 токенов.

В README приведены результаты на оценочной выборке: loss 0,6119 и F1 0,8458. Датасет, назначение компонентов «KUCI», «e_care» и «CRAB», поддерживаемые языки и ограничения конкретного сценария не описаны. Репозиторий распространяется по лицензии MIT.

Сценарии применения

Выбор правильного ответа в тесте с вариантами
Классификация вопроса по предложенным ответам
Оценка вариантов ответа для задач с множественным выбором

Ограничения

Датасет и целевая область применения не описаны, поэтому качество за пределами указанной оценочной выборки неизвестно. Контекст ограничен 514 токенами.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.5Отраслевые задачиОбразование и развитие навыковAI помогает персонализировать обучение и снижать административную нагрузку на преподавателей.34 задачи6 641модель 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

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

KUCI_e_care_CRAB_xlm_roberta_large_Finetuned

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

Loss: 0.6119
F1: 0.8458

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: 3

Training results

Training Loss	Epoch	Step	Validation Loss	F1
0.478	1.0	5196	0.4441	0.8289
0.317	2.0	10392	0.4769	0.8402
0.2032	3.0	15588	0.6119	0.8458

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: 94670f9