Характеристики

Контекст: 514 токенов
Параметры: 152 млн
Лицензия: MIT
Архитектура: roberta · dense
Базовая модель: roberta-base
Опубликована: 14 июн 2022

Ссылки

Hugging Face

roberta-base-cola

JeremiahZ

Классификация текстаТекст → label3 профессии

Модель RoBERTa для классификации английских предложений по грамматической приемлемости, дообученная на GLUE CoLA.

552скачиваний за 30 дней0лайковвеса обновлены24 сен 2023

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

JeremiahZ/roberta-base-cola — модель классификации текста на базе RoBERTa, дообученная на наборе GLUE CoLA для оценки грамматической приемлемости английских предложений. Архитектура — RobertaForSequenceClassification; модель содержит около 151,8 млн параметров и принимает последовательности длиной до 514 токенов.

Модель подходит для автоматической проверки того, насколько английское предложение грамматически корректно, например при анализе примеров в учебных материалах или языковых приложениях. На оценочной выборке CoLA указана корреляция Мэттьюса 0,6232. Доступны веса в форматах PyTorch и safetensors; лицензия — MIT. Карточка не описывает дополнительные ограничения или сценарии применения.

Сценарии применения

оценка грамматической приемлемости английского предложения
автоматическая проверка грамматики примеров в учебных материалах
отбор грамматически корректных английских фраз для языкового приложения

Ограничения

Результат указан только для оценочной выборки CoLA и сам по себе не подтверждает качество на других жанрах или языках. Карточка не приводит подробных ограничений и описания обучающих данных.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.5Отраслевые задачиОбразование и развитие навыковAI помогает персонализировать обучение и снижать административную нагрузку на преподавателей.34 задачи6 641модель I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей I.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

roberta-base-cola

This model is a fine-tuned version of roberta-base on the GLUE COLA dataset. It achieves the following results on the evaluation set:

Loss: 1.0571
Matthews Correlation: 0.6232

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: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
lr_scheduler_warmup_ratio: 0.06
num_epochs: 10.0

Training results

Training Loss	Epoch	Step	Validation Loss	Matthews Correlation
0.5497	1.0	535	0.5504	0.4613
0.3786	2.0	1070	0.4850	0.5470
0.2733	3.0	1605	0.5036	0.5792
0.2204	4.0	2140	0.5532	0.6139
0.164	5.0	2675	0.9516	0.5934
0.1351	6.0	3210	0.9051	0.5754
0.1065	7.0	3745	0.9006	0.6161
0.0874	8.0	4280	0.9457	0.6157
0.0579	9.0	4815	1.0372	0.6007
0.0451	10.0	5350	1.0571	0.6232

Framework versions

Transformers 4.20.0.dev0
Pytorch 1.11.0+cu113
Datasets 2.1.0
Tokenizers 0.12.1

Как запустить

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

GPU в ailist

Универсальный рантайм · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: RobertaForSequenceClassification
Ревизия весов: 5791148