Характеристики

Контекст: 514 токенов
Параметры: 152 млн
Лицензия: MIT
Архитектура: roberta · dense
Базовая модель: roberta-base
Библиотека: transformers
Опубликована: 5 июл 2026

Ссылки

Hugging Face

roberta_results

NOOBIE666

Классификация текстаТекст → label

Дообученная RoBERTa для классификации текстов с опубликованными метриками оценки.

5скачиваний за 30 дней0лайковвеса обновлены5 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

NOOBIE666/roberta_results — дообученная модель FacebookAI на базе RoBERTa для классификации текстов. Она содержит около 151,8 млн параметров, использует архитектуру RobertaForSequenceClassification и принимает последовательности длиной до 514 токенов. Модель распространяется в формате safetensors по лицензии MIT.

В README приведены результаты оценки: accuracy 0,8767, F1 0,8904, precision 0,8057 и recall 0,9950. Назначение классификации, набор классов и обучающий датасет не описаны, поэтому применимость к конкретной предметной области и языку определить нельзя.

Сценарии применения

классификация текстов по заданным классам
оценка тональности или другой текстовой категории после проверки подходящих меток

Ограничения

README не раскрывает назначение классов, датасет и поддерживаемые языки, поэтому качество для конкретной задачи оценить нельзя. Метрики приведены только для неизвестного оценочного набора.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

roberta_results

This model is a fine-tuned version of roberta-base on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.1846
Accuracy: 0.8767
F1: 0.8904
Precision: 0.8057
Recall: 0.9950

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: 8
eval_batch_size: 16
seed: 42
gradient_accumulation_steps: 8
total_train_batch_size: 64
optimizer: Use OptimizerNames.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: 0.1
num_epochs: 5
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy	F1	Precision	Recall
5.2894	0.0956	100	0.6470	0.7321	0.7549	0.6997	0.8196
2.1692	0.1912	200	0.2544	0.8494	0.8645	0.7900	0.9545
1.8798	0.2868	300	0.2252	0.8634	0.8444	0.9893	0.7366
1.8287	0.3824	400	0.2065	0.8692	0.8518	0.9909	0.7470
1.7022	0.4780	500	0.1999	0.8705	0.8852	0.7989	0.9925
1.7770	0.5736	600	0.2032	0.8729	0.8564	0.9926	0.7531
1.5242	0.6692	700	0.1919	0.8745	0.8888	0.8025	0.9958
1.5454	0.7648	800	0.2123	0.8728	0.8873	0.8011	0.9943
1.6533	0.8604	900	0.2035	0.8736	0.8581	0.9870	0.7589
1.5114	0.9560	1000	0.1991	0.8727	0.8557	0.9962	0.7499
1.6955	1.0516	1100	0.1909	0.8749	0.8889	0.8037	0.9944
1.5485	1.1472	1200	0.1876	0.8746	0.8886	0.8038	0.9934
1.4344	1.2428	1300	0.1849	0.8758	0.8898	0.8038	0.9964
1.5597	1.3384	1400	0.1902	0.8753	0.8591	0.9958	0.7555
1.4956	1.4340	1500	0.1937	0.8742	0.8887	0.8007	0.9985
1.6025	1.5296	1600	0.1856	0.8760	0.8897	0.8051	0.9942
1.2909	1.6252	1700	0.1846	0.8767	0.8904	0.8057	0.9950
1.5576	1.7208	1800	0.1857	0.8769	0.8612	0.9961	0.7584
1.5306	1.8164	1900	0.1898	0.8760	0.8901	0.8033	0.9979
1.4076	1.9120	2000	0.1956	0.8761	0.8608	0.9909	0.7609
1.3811	2.0076	2100	0.1851	0.8773	0.8616	0.9960	0.7593

Framework versions

Transformers 5.12.1
Pytorch 2.11.0+cu128
Datasets 4.0.0
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: RobertaForSequenceClassification
Ревизия весов: 5601124