Характеристики

Контекст: 514 токенов
Параметры: 305 млн
Лицензия: MIT
Архитектура: xlm-roberta · dense
Базовая модель: e_care_xlm_roberta_base_finetuned
Опубликована: 3 июн 2024

Ссылки

Hugging Face

KUCI_e_care_xlm_roberta_base_Finetuned

Ariffiq99

Классификация и разметкаТекст → label

Дообученная XLM-RoBERTa для выбора ответа из нескольких вариантов.

7скачиваний за 30 дней0лайковвеса обновлены3 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_xlm_roberta_base_Finetuned — дообученная модель на базе Ariffiq99/e_care_xlm_roberta_base_finetuned, разработанная для выбора одного ответа из нескольких вариантов. Она использует архитектуру XLM-RoBERTa и содержит 305,2 млн параметров; максимальная длина контекста — 514 токенов. Модель сохранена в формате safetensors.

Карточка приводит результаты оценки: loss 1,0348 и F1 0,7682. Датасет, сценарии применения и поддерживаемые языки в карточке не описаны, поэтому результаты нельзя связать с конкретной предметной областью. Лицензия — MIT.

Сценарии применения

Выбор наиболее подходящего ответа из предложенных вариантов
Ранжирование вариантов ответа на вопрос с выбором

Ограничения

Датасет и предметная область обучения не описаны, а приведённые метрики не сопровождаются подробностями протокола оценки. Языки модели в карточке не установлены.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

KUCI_e_care_xlm_roberta_base_Finetuned

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

Loss: 1.0348
F1: 0.7682

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
0.6965	1.0	5196	0.6542	0.7443
0.5632	2.0	10392	0.6754	0.7591
0.4634	3.0	15588	0.6456	0.7680
0.3661	4.0	20784	0.7082	0.7657
0.2783	5.0	25980	0.7899	0.7678
0.2305	6.0	31176	0.9280	0.7655
0.2057	7.0	36372	1.0348	0.7682

Framework versions

Transformers 4.41.1
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: deaecf3