Характеристики

Контекст: 514 токенов
Параметры: 454 млн
Архитектура: roberta · dense
Библиотека: transformers
Опубликована: 20 авг 2026

Ссылки

Hugging Face

roberta-large_MBTI_F_MBTI_agg_balanced_50_1e-05_0.05

DrinkIcedT

Классификация текстаТекст → label

Классификатор текста на базе RoBERTa Large, вероятно предназначенный для предсказания категории MBTI.

5скачиваний за 30 дней0лайковвеса обновлены20 авг 2026

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

DrinkIcedT/roberta-large_MBTI_F_MBTI_agg_balanced_50_1e-05_0.05 — классификатор текста на базе архитектуры RoBERTa Large с 454,1 млн параметров. Согласно карточке, модель обучена с нуля на неизвестном наборе данных; в README приведены результаты оценки: F1 0,7462 при пороге 0,76 и F1 0,7450 при пороге 0,5. По названию репозитория модель, вероятно, предназначена для классификации по признакам MBTI, однако карточка не описывает метки и точный сценарий применения. Модель принимает текст и выдаёт результат классификации; максимальный контекст — 514 токенов. Лицензия в доступных данных не указана.

Сценарии применения

экспериментальная классификация текста по категориям MBTI
оценка результатов модели на тестовом наборе
построение прототипа классификатора личности по тексту

Ограничения

README не описывает обучающие данные, метки и предполагаемые сценарии; связь с MBTI следует только из названия репозитория. Показатели оценки приведены без описания набора данных и протокола, поэтому их нельзя считать подтверждением качества на новых данных.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

roberta-large_MBTI_F_MBTI_agg_balanced_50_1e-05_0.05

This model was trained from scratch on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 3.2626
F1: 0.7462
Threshold: 0.76
F1 At 05: 0.7450

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
distributed_type: multi-GPU
num_devices: 4
total_train_batch_size: 64
total_eval_batch_size: 64
optimizer: Use OptimizerNames.ADAMW_TORCH with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
lr_scheduler_warmup_steps: 400
num_epochs: 5

Training results

Training Loss	Epoch	Step	Validation Loss	F1	Threshold	F1 At 05
2.3707	0.3175	200	2.3279	0.6838	0.48	0.6813
2.2372	0.6349	400	2.2484	0.7109	0.4100	0.6931
2.0317	0.9524	600	2.0265	0.7463	0.47	0.7433
1.7655	1.2698	800	2.0405	0.7529	0.38	0.7457
1.6984	1.5873	1000	2.1494	0.7462	0.55	0.7370
1.6636	1.9048	1200	2.1611	0.7507	0.63	0.7423
1.2216	2.2222	1400	2.3145	0.7531	0.64	0.7491
1.1912	2.5397	1600	2.5443	0.7541	0.6	0.7504
1.1460	2.8571	1800	2.4287	0.7537	0.33	0.7453
0.8011	3.1746	2000	2.7473	0.7475	0.65	0.7419
0.8214	3.4921	2200	2.7369	0.7487	0.51	0.7484
0.7635	3.8095	2400	2.8950	0.7505	0.66	0.7449
0.5983	4.1270	2600	3.2703	0.7509	0.8	0.7395
0.5477	4.4444	2800	3.2470	0.7468	0.67	0.7447
0.5415	4.7619	3000	3.2626	0.7462	0.76	0.7450

Framework versions

Transformers 5.3.0
Pytorch 2.7.1
Datasets 4.8.5
Tokenizers 0.22.2

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: RobertaForSequenceClassification
Ревизия весов: 6df5ea6