Характеристики

Контекст: 8 192 токена
Параметры: 395 млн
Лицензия: Apache 2.0
Архитектура: modernbert · dense
Базовая модель: ModernBERT-large
Библиотека: transformers
Опубликована: 3 июл 2026

Ссылки

Hugging Face

modernBERT-large-claim-agent_v10

Inabia-AI

Классификация текстаТекст → label3 профессии

Дообученный ModernBERT-large для классификации текстовых последовательностей.

36скачиваний за 30 дней0лайковвеса обновлены21 сен 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

modernBERT-large-claim-agent_v10 — дообученная Inabia-AI модель классификации текста на базе answerdotai/ModernBERT-large. Она использует плотную архитектуру ModernBERT для классификации последовательностей; содержит 394,7 млн параметров и принимает контекст длиной до 8192 токенов. Карточка сообщает метрики оценки: accuracy 0,9979, precision 0,9892, recall 0,9928 и F1 0,9910.

Модель предназначена для классификации текста. Название указывает на обработку утверждений, однако карточка не описывает метки классов, данные обучения или конкретный сценарий применения, поэтому назначение «claim agent» подтвердить нельзя. Основа — англоязычный двунаправленный энкодер ModernBERT-large; указана лицензия Apache-2.0. Условия обучения и ограничения в карточке не раскрыты.

Сценарии применения

Классификация текстовых последовательностей
Оценка текста по меткам обучающей задачи
Экспериментальная классификация утверждений

Ограничения

Карточка не раскрывает классы, датасет и целевой сценарий, поэтому приведённые высокие метрики нельзя переносить на другие данные. Поддержка английского следует из описания базовой модели; другие языки не подтверждены.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель I.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

modernBERT-large-claim-agent_v10

This model is a fine-tuned version of answerdotai/ModernBERT-large on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.0075
Accuracy: 0.9979
Precision: 0.9892
Recall: 0.9928
F1: 0.9910

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: 2e-05
train_batch_size: 16
eval_batch_size: 8
seed: 42
optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED 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: 0.1
num_epochs: 3

Training results

Framework versions

Transformers 5.12.1
Pytorch 2.11.0+cu128
Datasets 5.0.0
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: ModernBertForSequenceClassification
Ревизия весов: 2192329