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-yor-finetuned

Kuongan

Классификация текстаТекст → label3 профессии

Дообученная на базе XLM-RoBERTa модель для классификации текста, рассчитанная, судя по названию, на йоруба.

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-yor-finetuned — модель классификации последовательностей на базе XLM-RoBERTa Base, дообученная разработчиком Kuongan. Она предназначена для присвоения меток тексту; название указывает на настройку для языка йоруба. Модель содержит 305,2 млн параметров, принимает текст с контекстом до 514 токенов и опубликована в формате safetensors для библиотеки Transformers.

В README приведены результаты оценки: F1 0,2129, ROC AUC 0,5717 и accuracy 0,5553; описание набора данных и предполагаемых сценариев применения отсутствует. Модель распространяется по лицензии MIT. Низкие приведённые метрики и отсутствие сведений о метках и обучающих данных ограничивают уверенность в её пригодности для практических задач.

Сценарии применения

Классификация текстов на йоруба
Присвоение категориям коротких текстовых сообщений
Экспериментальная оценка классификатора текста

Ограничения

Метрики на оценочном наборе невысоки: F1 0,2129 и accuracy 0,5553; ROC AUC составляет 0,5717. README не сообщает, какие метки предсказываются и на каких данных обучалась модель.

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-yor-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: 0.2824
F1: 0.2129
Roc Auc: 0.5717
Accuracy: 0.5553

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
0.2759	1.0	128	0.2806	0.0	0.5	0.4748
0.2867	2.0	256	0.2777	0.0	0.5	0.4748
0.2768	3.0	384	0.2741	0.0	0.5	0.4748
0.2594	4.0	512	0.2611	0.0891	0.5298	0.5231
0.2586	5.0	640	0.2557	0.0776	0.5245	0.5352
0.2238	6.0	768	0.2502	0.1214	0.5406	0.5634
0.2348	7.0	896	0.2450	0.1515	0.5515	0.5775
0.2073	8.0	1024	0.2557	0.1441	0.5482	0.5734
0.1857	9.0	1152	0.2600	0.1624	0.5603	0.5835
0.179	10.0	1280	0.2600	0.1722	0.5620	0.5775
0.1529	11.0	1408	0.2643	0.2015	0.5707	0.5835
0.1389	12.0	1536	0.2700	0.1766	0.5625	0.5694
0.1323	13.0	1664	0.2729	0.1878	0.5652	0.5473
0.1252	14.0	1792	0.2804	0.1999	0.5682	0.5533
0.1125	15.0	1920	0.2783	0.2025	0.5687	0.5594
0.1094	16.0	2048	0.2784	0.2107	0.5711	0.5573
0.0995	17.0	2176	0.2825	0.2038	0.5681	0.5614
0.123	18.0	2304	0.2818	0.2114	0.5708	0.5493
0.1104	19.0	2432	0.2824	0.2129	0.5717	0.5553
0.1159	20.0	2560	0.2829	0.2112	0.5705	0.5453

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: 5dcd9e8