Характеристики

Контекст: 514 токенов
Параметры: 454 млн
Архитектура: roberta · dense
Базовая модель: roberta-large-ECB-dapt
Библиотека: transformers
Опубликована: 3 авг 2026

Ссылки

roberta-large-dapt-fomc-hawkish-dovish

Классификация текстаТекст → label3 профессии

Классификатор RoBERTa-large определяет, является ли коммуникация ЕЦБ мягкой, нейтральной или жёсткой по денежно-кредитной политике.

313скачиваний за 30 дней1лайквеса обновлены13 авг 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

LorenzoAleCon29 разработал классификатор тональности заявлений центрального банка на основе RoBERTa-large, дообучив LorenzoAleCon29/roberta-large-ECB-dapt на размеченных материалах Европейского центрального банка: пресс-конференциях, выступлениях и заявлениях по денежно-кредитной политике. Модель относит текст к одному из трёх классов: dovish, neutral или hawkish.

Модель предназначена для анализа коммуникации ЕЦБ и классификации её денежно-кредитного тона. Архитектура — RoBERTa для классификации последовательностей, размер — около 454,1 млн параметров, контекст — до 514 токенов. В README приведены результаты на тестовом наборе: accuracy 0,6264 и macro F1 0,6274.

Результаты отражают качество на конкретном тестовом наборе и не гарантируют точность для иных типов текстов, центральных банков или языков. Лицензия в предоставленных данных не указана.

Сценарии применения

классификация заявлений ЕЦБ по тону денежно-кредитной политики
анализ тональности пресс-конференций ЕЦБ
разметка выступлений представителей ЕЦБ как hawkish, dovish или neutral
мониторинг изменений риторики ЕЦБ

Ограничения

В README указаны accuracy 0,6264 и macro F1 0,6274 на тестовом наборе; точность может отличаться на других типах текстов и вне коммуникации ЕЦБ. Язык обучающих материалов и лицензия в предоставленных данных не обозначены.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.2Отраслевые задачиБанки, платежи и инвестицииAI помогает управлять финансовым риском, платежами, инвестиционным анализом и обслуживанием клиентов.37 задач1 723модели I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей 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

roberta-large-dapt - ECB hawkish/dovish/neutral classifier

Fine-tuned from LorenzoAleCon29/roberta-large-ECB-dapt on annotated ECB communication (press conference statements, speeches and monetary-policy statements). Labels: dovish, neutral, hawkish.

Test-set performance

loss	accuracy	f1 macro	f1 weighted
2.1546	0.6264	0.6274	0.6331

Usage

from transformers import pipeline
clf = pipeline("text-classification", model="LorenzoAleCon29/roberta-large-dapt-fomc-hawkish-dovish")
clf("Inflationary pressures warrant a tightening of the policy stance.")

Training curves, trainer states and full reports: https://github.com/LorenzoAlessandro/BdF-Project

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: RobertaForSequenceClassification
Ревизия весов: bddf9a5