Характеристики

Контекст: 514 токенов
Параметры: 305 млн
Лицензия: MIT
Архитектура: xlm-roberta · dense
Базовая модель: xlm-roberta-base
Библиотека: transformers
Опубликована: 29 янв 2025

Ссылки

Hugging Face

xlm-roberta-base-ptmz-finetuned

Kuongan

Классификация текстаТекст → label3 профессии

Дообученная XLM-RoBERTa Base для классификации текста.

9скачиваний 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/xlm-roberta-base-ptmz-finetuned — дообученная модель классификации последовательностей на основе XLM-RoBERTa Base, опубликованная пользователем Kuongan. Она предназначена для отнесения входного текста к классам; конкретные классы и предметная область в карточке не раскрыты. Модель содержит 305,2 млн параметров, использует архитектуру XLMRobertaForSequenceClassification и принимает текст длиной до 514 токенов. Репозиторий содержит веса в формате safetensors.

В README приведены результаты оценки: loss 0,2366, F1 0,4141, ROC AUC 0,6686 и accuracy 0,5720; без описания задачи и набора данных их практическую интерпретацию ограничивает отсутствие контекста. Базовая XLM-RoBERTa поддерживает несколько языков, но конкретный языковой охват этой настройки не уточнён. Лицензия модели — MIT.

Сценарии применения

Классификация текстовых последовательностей по заданным классам
Получение оценок принадлежности текста к классам в конвейере NLP
Сравнение вариантов текстовой классификации на совместимом наборе данных

Ограничения

Карточка не описывает классы, обучающий набор данных или конкретные языки; приведённые метрики без этих сведений трудно оценить для практического 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-ptmz-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: 0.2366
F1: 0.4141
Roc Auc: 0.6686
Accuracy: 0.5720

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
0.4552	1.0	76	0.2917	0.0	0.5	0.4630
0.3135	2.0	152	0.2906	0.0	0.5	0.4630
0.3096	3.0	228	0.2922	0.0	0.5	0.4630
0.2912	4.0	304	0.2767	0.0	0.5	0.4630
0.273	5.0	380	0.2541	0.0810	0.5280	0.5175
0.2233	6.0	456	0.2442	0.2428	0.5900	0.5370
0.2068	7.0	532	0.2295	0.3091	0.6230	0.5837
0.1729	8.0	608	0.2393	0.3528	0.6278	0.5642
0.1378	9.0	684	0.2414	0.3785	0.6455	0.5486
0.1181	10.0	760	0.2366	0.4141	0.6686	0.5720
0.1032	11.0	836	0.2529	0.3994	0.6621	0.5681
0.0869	12.0	912	0.2515	0.3791	0.6465	0.5681
0.0766	13.0	988	0.2594	0.3863	0.6584	0.5720
0.0697	14.0	1064	0.2551	0.3926	0.6547	0.5798

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: bd5b2d3