Характеристики

Контекст: 514 токенов
Параметры: 454 млн
Архитектура: roberta · dense
Библиотека: transformers
Опубликована: 18 авг 2026

Ссылки

roberta-large_MBTI_I_MBTI_agg_balanced_50_1e-05

Классификация текстаТекст → label

Классификатор текста на архитектуре RoBERTa Large; название указывает на возможную классификацию по MBTI, но назначение не подтверждено карточкой.

6скачиваний за 30 дней0лайковвеса обновлены18 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

Это модель классификации текста на основе RoBERTa Large с архитектурой RobertaForSequenceClassification и 454,1 млн параметров. В README указано, что модель обучена с нуля на неизвестном наборе данных; название репозитория предполагает связь с классификацией по типам MBTI, но карточка не подтверждает метки и назначение напрямую.

В метаданных указан pipeline text-classification и контекст длиной 514 токенов. Для оценки приведены F1 0,6721 и порог 0,51, однако набор данных, схема классов и условия оценки не описаны, поэтому результат нельзя интерпретировать как подтверждение качества на новых данных. Лицензия не указана в предоставленных источниках.

Сценарии применения

Экспериментальная классификация текста по меткам MBTI

Ограничения

Данные обучения, классы и предназначение модели подробно не описаны; связь с MBTI следует только из названия репозитория. Приведённый F1 не сопровождается описанием набора данных или протокола оценки.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

roberta-large_MBTI_I_MBTI_agg_balanced_50_1e-05

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

Loss: 4.3322
F1: 0.6721
Threshold: 0.51
F1 At 05: 0.6720

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
2.7146	0.3175	200	2.6766	0.5785	0.47	0.5666
2.5452	0.6349	400	2.4528	0.6386	0.4500	0.6279
2.3593	0.9524	600	2.3498	0.6745	0.52	0.6701
2.0074	1.2698	800	2.4031	0.6730	0.4600	0.6656
1.9554	1.5873	1000	2.3860	0.6835	0.4600	0.6783
1.9264	1.9048	1200	2.3219	0.6790	0.4200	0.6686
1.4684	2.2222	1400	2.6639	0.6752	0.33	0.6661
1.5030	2.5397	1600	2.7574	0.6721	0.48	0.6695
1.5519	2.8571	1800	2.6145	0.6765	0.2900	0.6682
1.1416	3.1746	2000	3.4465	0.6689	0.56	0.6681
1.0598	3.4921	2200	3.4451	0.6748	0.4100	0.6717
1.0528	3.8095	2400	3.6080	0.6721	0.53	0.6712
0.7081	4.1270	2600	4.1815	0.6759	0.53	0.6723
0.7006	4.4444	2800	3.9992	0.6793	0.54	0.6771
0.7213	4.7619	3000	4.3322	0.6721	0.51	0.6720

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: 072ce01