Характеристики

Контекст: 514 токенов
Параметры: 305 млн
Лицензия: MIT
Архитектура: xlm-roberta · dense
Базовая модель: xlm-roberta-base
Опубликована: 26 мая 2024

Ссылки

Hugging Face

KUCI_xlm_roberta_base_Finetuned

Ariffiq99

Классификация и разметкаТекст → label

Дообученная многоязычная XLM-RoBERTa для выбора ответа из нескольких текстовых вариантов.

8скачиваний за 30 дней0лайковвеса обновлены26 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

KUCI_xlm_roberta_base_Finetuned — дообученная Ariffiq99 модель на архитектуре XLM-RoBERTa для задачи multiple-choice, то есть выбора ответа из нескольких вариантов. Она основана на FacebookAI/xlm-roberta-base, содержит 305,2 млн параметров и принимает текстовые входные данные с контекстом до 514 токенов. В README приведены результаты оценки: loss 1,0342 и F1 0,7762.

Модель может использоваться для тестов и приложений, где нужно выбрать наиболее подходящий ответ из предложенных вариантов. Язык и предметная область обучения не установлены по доступным данным. README не раскрывает датасет, сценарии обучения или известные ограничения. Репозиторий распространяется по лицензии MIT.

Сценарии применения

выбор правильного ответа в тесте с вариантами
ответы на вопросы с несколькими предложенными вариантами
оценка вариантов ответа на основе текстового контекста

Ограничения

Датасет и языки дообучения не раскрыты; приведённые метрики не сопровождаются описанием набора оценки, поэтому их нельзя напрямую переносить на другие сценарии.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

KUCI_xlm_roberta_base_Finetuned

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

Loss: 1.0342
F1: 0.7762

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
0.6869	1.0	5196	0.6337	0.7446
0.5599	2.0	10392	0.6582	0.7644
0.462	3.0	15588	0.6245	0.7705
0.358	4.0	20784	0.7001	0.7736
0.2786	5.0	25980	0.7545	0.7765
0.2248	6.0	31176	0.9416	0.7776
0.1889	7.0	36372	1.0342	0.7762

Framework versions

Transformers 4.41.0
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: be2b930