Характеристики

Контекст: 514 токенов
Параметры: 305 млн
Лицензия: MIT
Архитектура: xlm-roberta · dense
Базовая модель: CRAB_COPA_KUCI_xlm_roberta_base_finetuned
Опубликована: 17 июн 2024

Ссылки

Hugging Face

e_care_CRAB_COPA_KUCI_xlm_roberta_base_finetuned

Ariffiq99

Классификация и разметкаТекст → label

Дообученная XLM-RoBERTa для выбора ответа из нескольких вариантов.

8скачиваний за 30 дней0лайковвеса обновлены17 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

Это дообученная модель XLM-RoBERTa, разработанная автором репозитория Ariffiq99 на основе Ariffiq99/CRAB_COPA_KUCI_xlm_roberta_base_finetuned. Она предназначена для задачи multiple-choice: оценки вариантов и выбора ответа из нескольких предложенных. В README приведены результаты на наборе оценки: loss 0,8413 и F1 0,7352; обучающий набор не описан. Модель содержит 305,2 млн параметров, использует архитектуру XLM-RoBERTa и принимает последовательности длиной до 514 токенов. Репозиторий распространяется в формате safetensors по лицензии MIT.

Сценарии применения

выбор наиболее подходящего ответа из списка вариантов
решение заданий с несколькими вариантами ответа
сравнение предложенных вариантов в текстовом вопросе

Ограничения

README не описывает обучающий набор данных и предполагаемые сценарии применения; результаты оценки приведены без описания методики и набора. Максимальная длина контекста составляет 514 токенов.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

e_care_CRAB_COPA_KUCI_xlm_roberta_base_finetuned

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

Loss: 0.8413
F1: 0.7352

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
0.6366	1.0	933	0.5431	0.7045
0.5232	2.0	1866	0.5289	0.7121
0.4442	3.0	2799	0.5572	0.7201
0.3577	4.0	3732	0.6231	0.7243
0.3029	5.0	4665	0.6722	0.7248
0.2679	6.0	5598	0.7685	0.7323
0.2288	7.0	6531	0.8413	0.7352

Framework versions

Transformers 4.41.2
Pytorch 2.3.0+cu121
Datasets 2.20.0
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: d38f4c7