Характеристики

Контекст: 514 токенов
Параметры: 659 млн
Лицензия: MIT
Архитектура: xlm-roberta · dense
Базовая модель: e_care_xlm_roberta_large_finetuned
Опубликована: 4 июн 2024

Ссылки

Hugging Face

KUCI_e_care_xlm_roberta_large_Finetuned

Ariffiq99

Классификация и разметкаТекст → label

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

13скачиваний за 30 дней0лайковвеса обновлены4 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_large_Finetuned — дообученная модель на базе Ariffiq99/e_care_xlm_roberta_large_finetuned, построенная на архитектуре XLM-RoBERTa Large. Она предназначена для выбора правильного ответа из нескольких вариантов. В README приведены результаты оценки: loss 0,9587 и F1 0,8504; обучающий датасет и подробности применения не описаны. Модель содержит 658,7 млн параметров, принимает текст с контекстным окном 514 токенов и распространяется в формате Safetensors по лицензии MIT.

Сценарии применения

Выбор правильного варианта ответа в тестах
Ответы на вопросы с несколькими вариантами
Автоматическая проверка заданий с выбором ответа

Ограничения

Датасет обучения и целевая область применения не описаны, поэтому качество за пределами указанной оценки неизвестно. Контекстное окно составляет 514 токенов.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

KUCI_e_care_xlm_roberta_large_Finetuned

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

Loss: 0.9587
F1: 0.8504

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: 5

Training results

Training Loss	Epoch	Step	Validation Loss	F1
0.4669	1.0	5196	0.4334	0.8410
0.3292	2.0	10392	0.5306	0.8425
0.2147	3.0	15588	0.6117	0.8486
0.1337	4.0	20784	0.8328	0.8478
0.057	5.0	25980	0.9587	0.8504

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: b6cd274