Характеристики

Контекст: 514 токенов
Параметры: 129 млн
Лицензия: CC BY 4.0
Архитектура: roberta · dense
Базовая модель: BantuBERTa
Библиотека: transformers
Опубликована: 29 янв 2025

Ссылки

Hugging Face

BantuBERTa-vmw-finetuned

Kuongan

Классификация текстаТекст → label3 профессии

Дообученная на базе BantuBERTa модель RoBERTa для классификации текстов.

13скачиваний за 30 дней0лайковвеса обновлены29 янв 2025

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

Kuongan/BantuBERTa-vmw-finetuned — дообученная модель классификации текстов на основе dsfsi/BantuBERTa, разработанная Kuongan. Она использует архитектуру RoBERTa и предназначена для задач классификации последовательностей. Веса представлены в формате Safetensors; модель содержит 129,3 млн параметров и поддерживает контекст до 514 токенов. Базовая BantuBERTa адаптирована для NLP-задач на языках банту, однако язык и конкретная предметная область этого дообучения не описаны.

В README указаны результаты оценки: loss 0,3269, F1 0,1633, ROC AUC 0,5507 и accuracy 0,4729. Эти метрики указывают на ограниченное качество в оценённой задаче; назначение меток и состав данных не раскрыты. Модель распространяется по лицензии CC BY 4.0.

Сценарии применения

классификация текстовых последовательностей
оценка тональности или других категорий после адаптации под соответствующие метки
эксперименты с классификацией текстов на языках банту

Ограничения

F1 0,1633 и accuracy 0,4729 на указанном оценочном наборе свидетельствуют об ограниченном качестве; состав данных и значение классов не описаны. Контекст ограничен 514 токенами.

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 II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

BantuBERTa-vmw-finetuned

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

Loss: 0.3269
F1: 0.1633
Roc Auc: 0.5507
Accuracy: 0.4729

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: 32
eval_batch_size: 32
seed: 42
optimizer: Use adamw_torch with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: cosine
lr_scheduler_warmup_steps: 100
num_epochs: 20

Training results

Training Loss	Epoch	Step	Validation Loss	F1	Roc Auc	Accuracy
0.4095	1.0	66	0.3112	0.0	0.5	0.4612
0.2908	2.0	132	0.2903	0.0	0.5	0.4612
0.284	3.0	198	0.2882	0.0	0.5	0.4612
0.2958	4.0	264	0.2879	0.0	0.5	0.4612
0.2749	5.0	330	0.2851	0.0139	0.5033	0.4651
0.265	6.0	396	0.2868	0.0574	0.5173	0.4729
0.2281	7.0	462	0.2802	0.1073	0.5338	0.4845
0.1963	8.0	528	0.2876	0.1109	0.5353	0.4651
0.1749	9.0	594	0.3040	0.0966	0.5282	0.4496
0.1534	10.0	660	0.3046	0.1322	0.5396	0.4612
0.1336	11.0	726	0.3129	0.1602	0.5473	0.4690
0.1194	12.0	792	0.3222	0.1287	0.5372	0.4612
0.1106	13.0	858	0.3269	0.1633	0.5507	0.4729
0.1004	14.0	924	0.3296	0.1269	0.5360	0.4496
0.091	15.0	990	0.3364	0.1612	0.5513	0.4690
0.0855	16.0	1056	0.3347	0.1570	0.5472	0.4690
0.079	17.0	1122	0.3399	0.1513	0.5440	0.4574

Framework versions

Transformers 4.47.0
Pytorch 2.5.1+cu121
Datasets 3.2.0
Tokenizers 0.21.0

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: 85c5256