Характеристики

Контекст: 514 токенов
Параметры: 305 млн
Лицензия: MIT
Архитектура: xlm-roberta · dense
Базовая модель: xlm-roberta-base
Опубликована: 3 мая 2024

Ссылки

Hugging Face

xlm-roberta-base-en-5

DeepaPeri

Разметка токеновТекст → label3 профессии

Дообученная XLM-RoBERTa для классификации токенов в тексте.

8скачиваний за 30 дней0лайковвеса обновлены3 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

DeepaPeri/xlm-roberta-base-en-5 — дообученная на неизвестном наборе данных многоязычная XLM-RoBERTa для классификации токенов. Модель содержит 305,2 млн параметров, использует архитектуру XLMRobertaForTokenClassification и принимает текст с контекстом до 514 токенов.

Она предназначена для разметки отдельных токенов в тексте. На тестовом наборе указаны loss 0,3224 и F1 0,8310, однако описание задачи разметки, состав набора данных и подробности оценки не приведены. Модель основана на FacebookAI/xlm-roberta-base и распространяется по лицензии MIT.

Сценарии применения

разметка токенов в тексте для NLP-процессов
применение как компонента конвейера классификации токенов

Ограничения

Не указаны конкретный тип разметки, языки обучения и оценки, а также ограничения применения. Значения метрик приведены без описания тестового набора и протокола оценки.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей 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

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

xlm-roberta-base-en-5

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: 0.3224
F1: 0.8310

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: 15
eval_batch_size: 15
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 5

Training results

Training Loss	Epoch	Step	Validation Loss	F1
0.4076	1.0	1334	0.3048	0.7838
0.2535	2.0	2668	0.2776	0.8028
0.1884	3.0	4002	0.2680	0.8187
0.1362	4.0	5336	0.3025	0.8293
0.0966	5.0	6670	0.3224	0.8310

Framework versions

Transformers 4.40.1
Pytorch 2.2.1+cu121
Datasets 2.19.0
Tokenizers 0.19.1

Как запустить

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

GPU в ailist

Универсальный рантайм · token-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: XLMRobertaForTokenClassification
Ревизия весов: 3731680