Характеристики

Контекст: 514 токенов
Параметры: 305 млн
Лицензия: MIT
Архитектура: xlm-roberta · dense
Базовая модель: xlm-roberta-base
Опубликована: 8 мая 2024

Ссылки

Hugging Face

Ohm-version3

Ohmmy3847

Классификация текстаТекст → label

Дообученная многоязычная XLM-RoBERTa для классификации текста.

8скачиваний за 30 дней0лайковвеса обновлены8 мая 2024

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

Ohm-version3 — дообученная модель классификации текста на базе FacebookAI/xlm-roberta-base, опубликованная пользователем Ohmmy3847. Она содержит около 305,2 млн параметров и рассчитана на обработку последовательностей длиной до 514 токенов. В карточке приведён результат оценки: loss 0,3029; назначение классов и набор данных не описаны.

Модель подходит для классификации текста в многоязычных NLP-сценариях, поддерживаемых XLM-RoBERTa. Репозиторий содержит веса в формате safetensors и распространяется по лицензии MIT. Из-за отсутствия сведений о метках и обучающих данных пригодность для конкретной предметной области нужно проверять отдельно.

Сценарии применения

Классификация коротких текстовых сообщений
Отнесение текстов к заданным категориям
Классификация многоязычных текстов

Ограничения

В карточке не указаны обучающий датасет, метки классов и intended use, поэтому качество и пригодность для конкретных задач неясны. Контекст ограничен 514 токенами.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Ohm-version3

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

Loss: 0.3029

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: 1e-05
train_batch_size: 8
eval_batch_size: 8
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 10

Training results

Training Loss	Epoch	Step	Validation Loss
0.4956	1.0	443	0.3774
0.2915	2.0	886	0.3666
0.1777	3.0	1329	0.3342
0.1012	4.0	1772	0.4155
0.1026	5.0	2215	0.3799
0.002	6.0	2658	0.3568
0.1367	7.0	3101	0.2850
0.1257	8.0	3544	0.3441
0.0136	9.0	3987	0.2987
0.1336	10.0	4430	0.3029

Framework versions

Transformers 4.40.2
Pytorch 2.3.0+cu121
Datasets 2.19.1
Tokenizers 0.19.1

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: XLMRobertaForSequenceClassification
Ревизия весов: c691491