/ Модель

Характеристики

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

e_care_xlm_roberta_base_finetuned

Классификация и разметкаТекст → label3 профессии

Дообученная XLM-RoBERTa для решения задач с выбором ответа из нескольких вариантов.

11скачиваний за 30 дней0лайковвеса обновлены31 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

Ariffiq99/e_care_xlm_roberta_base_finetuned — дообученная модель XLM-RoBERTa, разработанная на основе FacebookAI/xlm-roberta-base и предназначенная для задач с выбором одного варианта ответа из нескольких. В карточке указаны 305,2 млн параметров, архитектура XLMRobertaForMultipleChoice и контекст до 514 токенов.

Модель можно применять в многоязычных сценариях множественного выбора, например для тестовых вопросов с вариантами ответов. В README приведены результаты оценки: loss 0,6184 и F1 0,7208; обучающий набор данных не назван. Модель опубликована в формате safetensors под лицензией MIT.

Сценарии применения

  • ответы на тестовые вопросы с вариантами
  • оценка вариантов ответа на вопрос
  • создание многоязычных заданий с выбором ответа

Ограничения

Обучающий набор данных не указан. В README приведены только метрики loss и F1 без описания методики оценки и условий применения.

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_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: 0.6184
  • F1: 0.7208

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 LossEpochStepValidation LossF1
0.67351.09330.59260.6639
0.60012.018660.56240.6952
0.54823.027990.54600.7025
0.49754.037320.55340.7122
0.44875.046650.56460.7205
0.40916.055980.59100.7185
0.36747.065310.61840.7208

Framework versions

  • Transformers 4.41.1
  • 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
1eaec7d

0 моделей