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-mar-finetuned

Kuongan

Классификация текстаТекст → label

Дообученная на базе XLM-RoBERTa Base модель для классификации текстов.

11скачиваний 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-mar-finetuned — модель классификации последовательностей на базе XLM-RoBERTa Base, дообученная разработчиком Kuongan. Она предназначена для присвоения меток текстам; конкретная схема классов и область применения в карточке не описаны. Модель содержит 305,2 млн параметров, принимает текст и имеет контекстное окно до 514 токенов.

В README приведены результаты оценки: F1 0,9187, ROC AUC 0,9428 и accuracy 0,89; набор данных указан как None, поэтому эти показатели нельзя уверенно связать с конкретной задачей или датасетом. Модель опубликована в формате Safetensors и использует библиотеку Transformers. Лицензия — MIT. XLM-RoBERTa — многоязычное семейство, однако языки и целевые метки именно этой дообученной модели не уточнены.

Сценарии применения

Классификация текстов по заданным меткам
Присвоение категорий коротким текстовым сообщениям
Оценка текста классификатором в приложении на Transformers

Ограничения

В карточке не указаны набор данных, схема меток и целевые языки, поэтому область применения и переносимость приведённых метрик неясны. Контекст ограничен 514 токенами.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

xlm-roberta-base-mar-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: 0.0808
F1: 0.9187
Roc Auc: 0.9428
Accuracy: 0.89

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
0.4358	1.0	103	0.4160	0.0	0.5	0.2
0.3421	2.0	206	0.2726	0.3084	0.6288	0.46
0.2194	3.0	309	0.1598	0.8384	0.8947	0.82
0.1546	4.0	412	0.1125	0.9086	0.9233	0.87
0.1292	5.0	515	0.0980	0.9053	0.9386	0.87
0.1038	6.0	618	0.0808	0.9187	0.9428	0.89
0.0784	7.0	721	0.0798	0.9001	0.9354	0.86
0.0684	8.0	824	0.0785	0.8941	0.9245	0.87
0.073	9.0	927	0.0751	0.9014	0.9361	0.86
0.0481	10.0	1030	0.0765	0.9041	0.9281	0.87

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: a922ee8