Характеристики

Контекст: 514 токенов
Параметры: 138 млн
Архитектура: roberta · dense
Базовая модель: roberta-base
Библиотека: transformers
Опубликована: 21 июл 2026

Ссылки

Hugging Face

roberta-base-klue-ynat

OhHyeonTaek

Классификация текстаТекст → label

Дообученная корейская RoBERTa для классификации текста, качество которой по приведённой оценке не подтверждено.

7скачиваний за 30 дней0лайковвеса обновлены22 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

OhHyeonTaek/roberta-base-klue-ynat — модель классификации текста, созданная дообучением klue/roberta-base с помощью Transformers. Она содержит 137,8 млн параметров и принимает последовательности длиной до 514 токенов. Название указывает на связь с YNAT, однако README не раскрывает набор данных, метки классов и назначение классификации.

Модель подходит для экспериментов с классификацией корейского текста и оценки дообученной RoBERTa в этой задаче. В README приведены результаты оценки: loss 2,2067 и accuracy 0,0, поэтому карточка не подтверждает работоспособность модели для практического применения. Лицензия в доступных данных не указана.

Сценарии применения

эксперименты с классификацией корейского текста
оценка модели RoBERTa для классификации последовательностей
изучение дообучения klue/roberta-base

Ограничения

README указывает accuracy 0,0 и loss 2,2067; практическое качество модели не подтверждено. Датасет, классы и лицензия в доступных данных не раскрыты.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

roberta-base-klue-ynat

This model is a fine-tuned version of klue/roberta-base on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 2.2067
Accuracy: 0.0

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: 16
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: 1

Training results

Framework versions

Transformers 5.14.1
Pytorch 2.13.0+cpu
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: RobertaForSequenceClassification
Ревизия весов: 37969c4