Характеристики

Контекст: 514 токенов
Параметры: 152 млн
Архитектура: roberta · dense
Базовая модель: twitter-roberta-base-sentiment
Библиотека: transformers
Опубликована: 15 июл 2026

Ссылки

Hugging Face

results

J1nz05

Классификация текстаТекст → label

Дообученная англоязычная RoBERTa-модель для классификации тональности коротких текстов.

7скачиваний за 30 дней0лайковвеса обновлены15 июл 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

J1nz05/results — дообученная модель на архитектуре RoBERTa для классификации тональности текста. Она основана на англоязычной Cardiff NLP twitter-roberta-base-sentiment, которая различает негативную, нейтральную и позитивную тональность коротких текстов. В репозитории указано 151,8 млн параметров и контекст до 514 токенов; модель использует библиотеку Transformers и формат safetensors.

Подходит для определения тональности коротких англоязычных сообщений и текстов. В карточке приведены результаты оценки: accuracy, F1, precision и recall — 0,9017, loss — 0,3149. Датасет дообучения не назван, поэтому эти показатели нельзя уверенно переносить на другие данные. Лицензия в предоставленных сведениях не указана.

Сценарии применения

определение позитивной, нейтральной или негативной тональности сообщений
анализ тональности англоязычных публикаций в соцсетях
сортировка коротких отзывов по эмоциональной окраске

Ограничения

Датасет дообучения не указан, поэтому приведённые метрики могут не отражать качество на других источниках и типах текстов. Языковая специализация унаследована от англоязычной базовой модели.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

results

This model is a fine-tuned version of cardiffnlp/twitter-roberta-base-sentiment on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.3149
Accuracy: 0.9017
F1: 0.9017
Precision: 0.9017
Recall: 0.9017

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: 32
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
num_epochs: 2

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy	F1	Precision	Recall
0.4108	1.0	3247	0.3737	0.8560	0.8567	0.8584	0.8560
0.1987	2.0	6494	0.3149	0.9017	0.9017	0.9017	0.9017

Framework versions

Transformers 5.12.1
Pytorch 2.11.0+cu128
Datasets 4.0.0
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: RobertaForSequenceClassification
Ревизия весов: 4743bc7