Характеристики

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

Ссылки

Hugging Face

roberta-base-rte

JeremiahZ

Классификация текстаТекст → label3 профессии

Дообученная на GLUE RTE модель RoBERTa определяет, следует ли одна текстовая гипотеза из другой.

90скачиваний за 30 дней0лайковвеса обновлены19 дек 2024

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-rte — модель RoBERTa для классификации текстовых пар, созданная дообучением roberta-base на наборе GLUE RTE. Она предназначена для определения, следует ли гипотеза из данного текста, и подходит для распознавания текстового следования и проверки отношений между короткими фрагментами. Модель содержит 151,8 млн параметров, принимает текст и имеет контекст до 514 токенов. Для оценки на тестовом наборе указаны точность 0,7978 и loss 0,5446. Модель распространяется по лицензии MIT.

Сценарии применения

проверка текстового следования между посылкой и гипотезой
классификация пары предложений как entailment или not entailment
оценка логической связи между короткими текстами

Ограничения

В README приведена точность 0,7978 на оценочном наборе, что не гарантирует такое же качество на других данных. Карточка не описывает подробные ограничения и условия обучения.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

roberta-base-rte

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

Loss: 0.5446
Accuracy: 0.7978

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: 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	Accuracy
No log	1.0	156	0.7023	0.4729
No log	2.0	312	0.6356	0.6895
No log	3.0	468	0.5177	0.7617
0.6131	4.0	624	0.6238	0.7473
0.6131	5.0	780	0.5446	0.7978
0.6131	6.0	936	0.9697	0.7545
0.2528	7.0	1092	1.1004	0.7690
0.2528	8.0	1248	1.1937	0.7726
0.2528	9.0	1404	1.3313	0.7726
0.1073	10.0	1560	1.3534	0.7726

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: a1dbe7c