/ Модель

Характеристики

Контекст
512 токенов
Параметры
136 млн
Лицензия
Apache 2.0
Архитектура
albert · dense
Базовая модель
CRAB_COPA_albert_base_finetuned
Опубликована
3 июн 2024

e_care_CRAB_COPA_albert_base_finetuned

Классификация и разметкаТекст → label3 профессии

Дообученная ALBERT-модель для оценки вариантов и выбора наиболее подходящего ответа в задачах с несколькими вариантами.

9скачиваний 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

Модель e_care_CRAB_COPA_albert_base_finetuned — дообученная версия Ariffiq99/CRAB_COPA_albert_base_finetuned на архитектуре ALBERT с 136,3 млн параметров. Она предназначена для задачи multiple-choice: модель оценивает варианты ответа и помогает выбрать наиболее подходящий. Контекст составляет 512 токенов.

В README приведены результаты оценки: loss 0,7816 и F1 0,6645. Датасет дообучения не уточнён. Модель распространяется в формате safetensors по лицензии Apache-2.0.

Сценарии применения

  • выбор наиболее подходящего ответа из нескольких вариантов
  • оценка вариантов ответа в тестовых заданиях
  • решение задач на понимание причинно-следственных связей с выбором ответа

Ограничения

Датасет дообучения не уточнён. В README приведены loss 0,7816 и F1 0,6645 на наборе оценки, но его состав и условия оценки не описаны.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

e_care_CRAB_COPA_albert_base_finetuned

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

  • Loss: 0.7816
  • F1: 0.6645

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: 5e-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 LossEpochStepValidation LossF1
0.66321.09330.69280.5457
0.69832.018660.69310.5320
0.69643.027990.69310.5226
0.69624.037320.64020.6155
0.5795.046650.58310.6758
0.43316.055980.66120.6706
0.31987.065310.78160.6645

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
AlbertForMultipleChoice
Ревизия весов
c7dfb00

0 моделей