Характеристики

Контекст: 514 токенов
Параметры: 305 млн
Лицензия: MIT
Архитектура: xlm-roberta · dense
Опубликована: 19 фев 2024

Ссылки

Hugging Face

xlm-roberta-base-finetuned-panx-hi-5-epochs

DeepaPeri

Разметка токеновТекст → label5 профессий

Дообученная XLM-RoBERTa Base для классификации и разметки токенов в тексте.

9скачиваний за 30 дней0лайковвеса обновлены19 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

Это модель XLM-RoBERTa Base, дообученная для классификации токенов. Она предназначена для разметки отдельных токенов во входном тексте; конкретный набор меток и прикладной сценарий в карточке не описаны. Модель содержит 305,2 млн параметров, принимает текст с контекстом до 514 токенов и распространяется в формате safetensors.

В карточке приведены результаты оценки: F1 0,8848 и loss 0,2936. Разработчик указан как DeepaPeri. Модель опубликована по лицензии MIT.

Сценарии применения

разметка токенов в тексте
распознавание именованных сущностей при наличии подходящих меток
извлечение размеченных фрагментов из текста

Ограничения

Назначение набора меток, обучающие данные и конкретные языки модели в карточке не описаны; результат зависит от схемы меток, использованной при дообучении. Контекст модели ограничен 514 токенами.

Для каких профессий подходит5

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 I.4Универсальные способностиОбработка документов и формAI помогает оцифровывать документы, проверять их комплектность и сокращать ручной ввод данных.16 задач7 180моделей II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей

Также подходит для

I.14Автоматизация процессов и AI-агенты

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

xlm-roberta-base-finetuned-panx-hi-5-epochs

This model is a fine-tuned version of DeepaPeri/xlm-roberta-base-finetuned-panx-hi-5-epochs on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.2936
F1: 0.8848

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: 24
eval_batch_size: 24
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
0.168	1.0	168	0.3044	0.8586
0.1187	2.0	336	0.2836	0.8640
0.0848	3.0	504	0.2728	0.8800
0.0528	4.0	672	0.2969	0.8959
0.0308	5.0	840	0.2936	0.8848

Framework versions

Transformers 4.37.2
Pytorch 2.1.0+cu121
Datasets 2.17.1
Tokenizers 0.15.2

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: 1bbcece