Характеристики

Контекст: 514 токенов
Параметры: 305 млн
Лицензия: MIT
Архитектура: xlm-roberta · dense
Базовая модель: xlm-roberta-base
Библиотека: transformers
Опубликована: 28 янв 2025

Ссылки

Hugging Face

xlm-roberta-base-kin-finetuned

Kuongan

Классификация текстаТекст → label3 профессии

Дообученная XLM-RoBERTa Base для классификации текста с контекстом до 514 токенов.

12скачиваний за 30 дней0лайковвеса обновлены28 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/xlm-roberta-base-kin-finetuned — модель классификации текста на основе XLM-RoBERTa Base, дообученная разработчиком Kuongan. Веса объёмом 305,2 млн параметров сохранены в формате safetensors; модель принимает текст и выдаёт классы. Для контекста используется окно до 514 токенов.

Модель предназначена для классификации текстовых последовательностей. В карточке приведены результаты оценки: loss 0,3006, F1 0,3526, ROC AUC 0,6351 и accuracy 0,4226. Датасет обучения и конкретные классы не описаны, поэтому оценить пригодность для конкретной предметной области нельзя. Лицензия — MIT.

Сценарии применения

Классификация коротких текстовых сообщений
Автоматическая категоризация последовательностей текста
Экспериментальная оценка модели классификации на собственных данных

Ограничения

Датасет обучения и набор классов не описаны. Приведённые метрики невысоки, поэтому качество следует проверять на данных целевого применения.

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

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

xlm-roberta-base-kin-finetuned

This model is a fine-tuned version of xlm-roberta-base on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.3006
F1: 0.3526
Roc Auc: 0.6351
Accuracy: 0.4226

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
0.3496	1.0	104	0.3465	0.0	0.5	0.2899
0.3139	2.0	208	0.3268	0.0	0.5	0.2899
0.3147	3.0	312	0.3091	0.1087	0.5574	0.3022
0.2992	4.0	416	0.3060	0.2137	0.5917	0.3661
0.2793	5.0	520	0.3020	0.2765	0.6080	0.3931
0.2663	6.0	624	0.3004	0.3518	0.6354	0.4201
0.2553	7.0	728	0.3132	0.3030	0.6193	0.4079
0.2301	8.0	832	0.3006	0.3526	0.6351	0.4226
0.2136	9.0	936	0.3033	0.3437	0.6304	0.4201
0.1941	10.0	1040	0.3257	0.3403	0.6379	0.4177
0.1662	11.0	1144	0.3268	0.3454	0.6349	0.4103
0.1648	12.0	1248	0.3398	0.3512	0.6378	0.4201

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: XLMRobertaForSequenceClassification
Ревизия весов: 0370aaa