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-rus-finetuned

Kuongan

Классификация текстаТекст → label

Дообученная на неизвестном наборе данных XLM-RoBERTa-модель для классификации текстов.

8скачиваний 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-rus-finetuned — дообученная модель классификации текста на основе XLM-RoBERTa-base. По метаданным, это плотная модель с архитектурой XLMRobertaForSequenceClassification и 305,2 млн параметров; максимальная длина контекста составляет 514 токенов. Репозиторий создан 29 января 2025 года, веса сохранены в формате safetensors, лицензия — MIT.

Модель предназначена для классификации текстов. В README приведены результаты на наборе оценки: F1 0,8438, ROC AUC 0,8957 и точность 0,7839; название и назначение набора данных, классы и предметная область не раскрыты. Несмотря на суффикс «rus» в названии, метаданные не подтверждают, что модель рассчитана только на русский язык. Базовая XLM-RoBERTa поддерживает многоязычную обработку, но применимость к конкретным языкам для этого дообучения не описана. Использование регулируется лицензией MIT.

Сценарии применения

классификация текстовых сообщений по категориям
автоматическая разметка текстов известными классами
оценка тональности текста, если она входит в обученные классы

Ограничения

Назначение обучающих данных, набор классов и поддерживаемые языки для дообученной модели не описаны, поэтому её пригодность для конкретной задачи следует проверять отдельно. В README приведены метрики на оценочном наборе, но не раскрыты его состав и методика оценки.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

xlm-roberta-base-rus-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: 0.1612
F1: 0.8438
Roc Auc: 0.8957
Accuracy: 0.7839

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
0.4558	1.0	131	0.4195	0.0	0.5	0.1608
0.268	2.0	262	0.2245	0.6816	0.7919	0.6734
0.198	3.0	393	0.2071	0.7838	0.8577	0.6985
0.141	4.0	524	0.1801	0.8030	0.8733	0.7487
0.1185	5.0	655	0.1612	0.8438	0.8957	0.7839
0.1002	6.0	786	0.1520	0.8418	0.8999	0.7990
0.0967	7.0	917	0.1678	0.8278	0.8956	0.7688
0.0673	8.0	1048	0.1673	0.8402	0.9043	0.7487
0.0535	9.0	1179	0.1721	0.8339	0.9025	0.7638

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: 224edff