Характеристики

Контекст: 512 токенов
Параметры: 137 млн
Архитектура: bert · dense
Базовая модель: bert-base-spanish-wwm-cased
Библиотека: transformers
Опубликована: 24 июн 2026

Ссылки

Hugging Face

beto-sarcasmo-sentiment

Lucyan85

Классификация текстаТекст → label

Дообученная испаноязычная BETO для классификации текста по сарказму и тональности.

8скачиваний за 30 дней0лайковвеса обновлены24 июн 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

beto-sarcasmo-sentiment — модель классификации текста, созданная дообучением испаноязычной BETO (dccuchile/bert-base-spanish-wwm-cased) для анализа сарказма и тональности. Она предназначена для классификации испаноязычных текстов; архитектура — BERT для классификации последовательностей, размер — 137,1 млн параметров, максимальный контекст — 512 токенов. В README указаны результаты на оценочной выборке: accuracy 0,9965 и F1 0,9956.

Данные обучения в карточке обозначены как None, а описание набора данных, схема классов и подробности оценки отсутствуют. Поэтому приведённые метрики не позволяют оценить качество на новых данных или определить, как модель различает сарказм и тональность. Лицензия в доступных сведениях не указана.

Сценарии применения

определение сарказма в испаноязычных сообщениях
анализ тональности испаноязычных отзывов
классификация тональности публикаций в социальных сетях

Ограничения

Описание набора данных, классов и лицензии отсутствует; указанные метрики приведены без достаточных подробностей об оценке и не гарантируют качество на новых данных.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

beto-sarcasmo-sentiment

This model is a fine-tuned version of dccuchile/bert-base-spanish-wwm-cased on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.0201
Accuracy: 0.9965
F1: 0.9956

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 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
num_epochs: 5
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy	F1
1.0055	1.0	72	0.7659	0.8376	0.7929
0.6397	2.0	144	0.7527	0.8625	0.8150
0.2516	3.0	216	0.8466	0.8704	0.8276
0.1570	4.0	288	1.0872	0.8708	0.8324
0.0476	5.0	360	1.1780	0.8739	0.8368

Framework versions

Transformers 5.0.0
Pytorch 2.10.0+cu128
Datasets 4.8.5
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: BertForSequenceClassification
Ревизия весов: 93f4bc6