Характеристики

Контекст: 8 192 токена
Параметры: 395 млн
Лицензия: Apache 2.0
Архитектура: modernbert · dense
Базовая модель: ModernBERT-large
Библиотека: transformers
Опубликована: 23 июл 2026

Ссылки

Hugging Face

modernBERT-large-claim-agent_v11

Kymera-Solutions

Классификация текстаТекст → label3 профессии

Дообученная на базе ModernBERT-large англоязычная модель для классификации текста.

12скачиваний за 30 дней0лайковвеса обновлены23 июл 2026

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

modernBERT-large-claim-agent_v11 — дообученная Kymera-Solutions модель классификации текста на базе answerdotai/ModernBERT-large. В карточке указаны результаты оценки: accuracy 0,9973, precision 0,9915, recall 0,9865 и F1 0,9890; описание целевых классов и самого сценария классификации не приведено. Модель построена на двунаправленной архитектуре ModernBERT с 394,7 млн параметров и контекстом до 8192 токенов. Она принимает текст и выдаёт метки классификации; основным языком базовой модели является английский.

Модель подойдёт для классификации текстов в рамках соответствующей задачи и набора меток, на которых её дообучали. Датасет указан в README как None, поэтому целевое назначение и переносимость метрик на другие данные оценить нельзя. Лицензия — Apache-2.0.

Сценарии применения

Классификация текстов по меткам обучающего набора
Автоматическое присвоение категорий текстовым обращениям
Разметка текстов для последующей сортировки

Ограничения

Целевые классы, назначение обучающего набора и условия оценки не описаны, поэтому приведённые метрики нельзя уверенно переносить на другие данные. Указанный в README набор данных — None.

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 III.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модель I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

modernBERT-large-claim-agent_v11

This model is a fine-tuned version of answerdotai/ModernBERT-large on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.0087
Accuracy: 0.9973
Precision: 0.9915
Recall: 0.9865
F1: 0.9890

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: 16
eval_batch_size: 8
seed: 42
optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
lr_scheduler_warmup_steps: 0.1
num_epochs: 3

Training results

Framework versions

Transformers 5.14.1
Pytorch 2.11.0+cu128
Datasets 5.0.0
Tokenizers 0.22.2

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: ModernBertForSequenceClassification
Ревизия весов: 1bbc128