/ Модель
Каталог

Характеристики

Контекст
2 048 токенов
Архитектура
distilbert · dense
Опубликована
7 мар 2024

Ссылки

Hugging Face

url-relevance

PDAP
Классификация текстаТекст → label3 профессии

Модель DistilBERT для классификации текста, предположительно связанной с релевантностью URL.

813скачиваний за 30 дней0лайковвеса обновлены25 апр 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

PDAP/url-relevance — модель классификации текста на базе DistilBERT, опубликованная 7 марта 2024 года. По карточке она обучена с нуля на неизвестном наборе данных; подробности об авторе и назначении в README отсутствуют.

Метаданные указывают на задачу text-classification и архитектуру DistilBertForSequenceClassification с контекстом до 2048 токенов. Название репозитория предполагает оценку релевантности URL, однако карточка не подтверждает, какие именно тексты или URL модель принимает и как интерпретировать её классы. Указаны веса в формате safetensors и TensorFlow.

README не содержит сведений о метриках, обучающих данных, ограничениях или лицензии, поэтому применимость модели для конкретных сценариев и условия её использования подтвердить нельзя.

Сценарии применения

  • Классификация текста по меткам релевантности URL

Ограничения

README не раскрывает набор данных, метки классов, метрики и ограничения модели. Лицензия и точный сценарий оценки релевантности не подтверждены.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделейI.1Универсальные способностиПоиск и навигация по информацииAI помогает находить нужные сведения и помогать человеку быстро переходить от вопроса к подтверждённому источнику.18 задач13 467моделейI.12Универсальные способностиРекомендации и персонализацияAI помогает подбирать релевантные варианты и адаптировать опыт под конкретного человека или ситуацию.15 задач7 627моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

url-relevance

This model was trained from scratch on an unknown dataset. It achieves the following results on the evaluation set:

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:

  • optimizer: None
  • training_precision: float32

Training results

Framework versions

  • Transformers 4.38.2
  • TensorFlow 2.15.0
  • Datasets 2.18.0
  • Tokenizers 0.15.2

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
DistilBertForSequenceClassification
Ревизия весов
d1c8d99

0 моделей

    Создать бенчмарк