Характеристики

Контекст: 514 токенов
Параметры: 454 млн
Архитектура: roberta · dense
Библиотека: transformers
Опубликована: 15 авг 2026

Ссылки

Hugging Face

roberta-large_MBTI_I_MBTI_agg_balanced_25

DrinkIcedT

Классификация текстаТекст → label

Классификатор текста на RoBERTa Large, связанный по названию с определением MBTI.

5скачиваний за 30 дней0лайковвеса обновлены15 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_I_MBTI_agg_balanced_25 — модель классификации текста на архитектуре RoBERTa Large, представленная как классификатор последовательностей. Она предназначена для отнесения текста к классам; название репозитория указывает на задачу, связанную с MBTI, однако карточка не раскрывает набор меток и сценарий применения. Модель содержит 454,1 млн параметров и принимает последовательности длиной до 514 токенов. README сообщает, что модель обучена с нуля на неизвестном наборе данных; на оценочной выборке указаны F1 0,6820 и порог 0,49.

Модель сохранена в формате Safetensors и использует библиотеку Transformers. Лицензия в предоставленных данных не указана.

Сценарии применения

Классификация текста по категориям MBTI
Эксперименты с классификацией последовательностей на RoBERTa

Ограничения

Обучающий набор данных неизвестен, а описание модели и её ограничений в README отсутствует. Указанный F1 относится к оценочной выборке; детали разбиения и метрики по отдельным классам не приведены.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

roberta-large_MBTI_I_MBTI_agg_balanced_25

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

Loss: 4.3974
F1: 0.6820
Threshold: 0.49
F1 At 05: 0.6819

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
2.7293	0.2825	200	2.6692	0.5648	0.4400	0.5475
2.5669	0.5650	400	2.4746	0.6586	0.48	0.6494
2.4470	0.8475	600	2.3747	0.6705	0.49	0.6654
2.1590	1.1299	800	2.3351	0.6807	0.3400	0.6584
2.0981	1.4124	1000	2.3197	0.6860	0.31	0.6653
1.9872	1.6949	1200	2.4732	0.6810	0.48	0.6797
1.9866	1.9774	1400	2.4751	0.6869	0.47	0.6831
1.5646	2.2599	1600	2.8745	0.6816	0.51	0.6800
1.4286	2.5424	1800	2.9926	0.6868	0.48	0.6842
1.5118	2.8249	2000	2.8057	0.6888	0.5	0.6888
1.0639	3.1073	2200	3.5753	0.6860	0.39	0.6839
1.0155	3.3898	2400	3.6367	0.6826	0.4200	0.6786
1.0504	3.6723	2600	3.3507	0.6872	0.49	0.6868
1.0401	3.9548	2800	3.6559	0.6798	0.51	0.6790
0.8185	4.2373	3000	4.1669	0.6782	0.35	0.6751
0.7157	4.5198	3200	4.5369	0.6810	0.4500	0.6791
0.8082	4.8023	3400	4.3974	0.6820	0.49	0.6819

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: c66af8a