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-vmw-finetuned

Kuongan

Классификация текстаТекст → label3 профессии

Дообученная XLM-RoBERTa Base для классификации текстовых последовательностей с неуказанными классами и назначением.

14скачиваний 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-vmw-finetuned — модель классификации текста на базе XLM-RoBERTa Base, дообученная автором репозитория Kuongan. Она предназначена для классификации текстовых последовательностей; конкретные классы и прикладной сценарий в карточке не описаны. Модель содержит 305,2 млн параметров, использует архитектуру XLM-RoBERTa для классификации последовательностей и принимает контекст длиной до 514 токенов. Репозиторий содержит веса в формате safetensors, библиотека для работы — Transformers.

В карточке приведены результаты оценки: loss 0,2947, F1 0,0, ROC AUC 0,5 и accuracy 0,4612. Эти показатели не подтверждают полезное качество классификации; кроме того, обучающий датасет указан как None, а сведения о данных и назначении отсутствуют. Лицензия модели — MIT.

Сценарии применения

Классификация текстовых последовательностей
Экспериментальная проверка классификатора на собственных данных
Использование как отправной точки для дальнейшего дообучения

Ограничения

Назначение классов и обучающий набор данных не описаны. В карточке указаны F1 0,0 и ROC AUC 0,5, поэтому качество модели выглядит непригодным для надёжного применения без собственной проверки.

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-vmw-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: 0.2947
F1: 0.0
Roc Auc: 0.5
Accuracy: 0.4612

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	Roc Auc	Accuracy
0.3701	1.0	67	0.2947	0.5	0.4612
0.3061	2.0	134	0.2930	0.5	0.4612
0.3001	3.0	201	0.2934	0.5	0.4612
0.2923	4.0	268	0.2916	0.5	0.4612
0.2904	5.0	335	0.2919	0.5	0.4612

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: fea3e8d