Характеристики

Контекст: 512 токенов
Параметры: 137 млн
Архитектура: bert · dense
Базовая модель: bert-base-spanish-wwm-cased
Библиотека: transformers
Опубликована: 2 июл 2026

Ссылки

beto-sarcasmo-bs16-ep6

Классификация текстаТекст → label3 профессии

Дообученная на базе BETO модель для классификации испанских текстов, предназначенная прежде всего для выявления сарказма.

12скачиваний за 30 дней0лайковвеса обновлены2 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

beto-sarcasmo-bs16-ep6 — дообученная PauAnd29 модель BETO на базе dccuchile/bert-base-spanish-wwm-cased для классификации испаноязычных текстов и выявления сарказма, на что указывает название модели. Это BERT-модель для классификации последовательностей с 137,1 млн параметров и контекстом до 512 токенов.

В карточке приведены результаты на оценочной выборке: F1 Macro 0,9168, F1 Weighted 0,9208 и Accuracy 0,9209. Датасет и подробности разметки не описаны, поэтому эти метрики нельзя уверенно переносить на другие данные. Лицензия в метаданных и README не указана.

Сценарии применения

выявление сарказма в испанских сообщениях
классификация тональности коротких испанских текстов
анализ саркастичных комментариев в соцсетях

Ограничения

Датасет и схема классов не описаны, поэтому область применимости приведённых метрик неясна. Контекст ограничен 512 токенами.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

III.2Корпоративные функцииИсследование рынка и маркетингAI помогает понимать рынок, создавать коммуникации и улучшать эффективность маркетинга.22 задачи8 594модели II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

beto-sarcasmo-bs16-ep6

This model is a fine-tuned version of dccuchile/bert-base-spanish-wwm-cased on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.5169
F1 Macro: 0.9168
F1 Weighted: 0.9208
Accuracy: 0.9209

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: 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
lr_scheduler_warmup_steps: 0.1
num_epochs: 6
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	F1 Macro	F1 Weighted	Accuracy
0.2962	1.0	955	0.2739	0.8925	0.8970	0.8966
0.2186	2.0	1910	0.2419	0.9133	0.9177	0.9181
0.1413	3.0	2865	0.3860	0.9093	0.9142	0.9149
0.0924	4.0	3820	0.4210	0.9177	0.9217	0.9220
0.0331	5.0	4775	0.4832	0.9160	0.9201	0.9204
0.0230	6.0	5730	0.5169	0.9168	0.9208	0.9209

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: BertForSequenceClassification
Ревизия весов: e710883