/ Модель

Характеристики

Контекст
514 токенов
Параметры
152 млн
Лицензия
MIT
Архитектура
roberta · dense
Базовая модель
artificially-natural-roberta-01
Опубликована
28 янв 2024

artificially-natural-roberta-02

Классификация текстаТекст → label3 профессии

Дообученная RoBERTa для классификации текста, показывающая F1 0,993 на оценочном наборе.

6скачиваний за 30 дней0лайковвеса обновлены28 янв 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-02 — дообученная модель RoBERTa для классификации текста, разработанная на основе ConnyGenz/artificially-natural-roberta-01. В карточке указаны 151,8 млн параметров, архитектура RobertaForSequenceClassification и контекст до 514 токенов. Модель распространяется в формате safetensors по лицензии MIT.

В README приведён результат F1 0,993 на оценочном наборе и указано, что модель обучалась на датасете с названием None. Сведения о метках классов и предполагаемых сценариях применения отсутствуют, поэтому назначение классификации нельзя уточнить.

Сценарии применения

  • Классификация текстов по меткам, заданным при обучении

Ограничения

В карточке не описаны классы, обучающие данные и целевые сценарии, поэтому практическое назначение классификатора неясно. Заявленный F1 относится к оценочному набору, состав которого не раскрыт.

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

artificially-natural-roberta-02

This model is a fine-tuned version of ConnyGenz/artificially-natural-roberta-01 on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.0516
  • F1: 0.993

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 LossEpochStepValidation LossF1
No log1.02500.05460.989
0.02272.05000.04900.992
0.02273.07500.05160.993

Framework versions

  • Transformers 4.35.2
  • Pytorch 2.1.0+cu121
  • Datasets 2.16.1
  • 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
d19d07b

0 моделей