Характеристики

Контекст: 514 токенов
Параметры: 152 млн
Лицензия: MIT
Архитектура: roberta · dense
Базовая модель: roberta-base-openai-detector
Опубликована: 13 янв 2024

Ссылки

Hugging Face

artificially-natural-roberta

ConnyGenz

Классификация текстаТекст → label3 профессии

Дообученная RoBERTa для классификации текста с заявленным F1 0,98 на оценочном наборе.

8скачиваний за 30 дней0лайковвеса обновлены13 фев 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

ConnyGenz/artificially-natural-roberta — модель классификации текста на базе RoBERTa, дообученная на основе openai-community/roberta-base-openai-detector. Она предназначена для определения классов текста; карточка указывает F1 0,98 и loss 0,146 на оценочном наборе, но не раскрывает сами классы, состав данных и методику оценки.

Модель содержит 151,8 млн параметров, использует архитектуру RobertaForSequenceClassification и принимает контекст до 514 токенов. Распространяется в формате safetensors по лицензии MIT. Карточка не сообщает специальных ограничений или целевых сценариев, поэтому результаты следует проверять на данных конкретного применения.

Сценарии применения

классификация текстовых фрагментов
экспериментальная проверка классификации текста на основе RoBERTa
оценка пригодности модели на пользовательской выборке

Ограничения

В карточке не указаны классы, обучающие данные и методика оценки; значение F1 может не переноситься на другие выборки. Контекст ограничен 514 токенами.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

artificially-natural-roberta

This model is a fine-tuned version of roberta-base-openai-detector on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.1460
F1: 0.98

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: 2e-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: 3

Training results

Training Loss	Epoch	Step	Validation Loss	F1
No log	1.0	250	0.1378	0.971
0.1033	2.0	500	0.1073	0.985
0.1033	3.0	750	0.1460	0.98

Framework versions

Transformers 4.35.2
Pytorch 2.1.0+cu121
Datasets 2.17.0
Tokenizers 0.15.1

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: RobertaForSequenceClassification
Ревизия весов: 4e17fbd