Дообученная англоязычная BERT-модель для классификации текстов по классам обучающей задачи.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
Модель SrinivasanHF/autotrain-tbm0t-zahwu — дообученная с помощью AutoTrain англоязычная BERT-модель для классификации текстов. Она основана на google-bert/bert-base-uncased и использует архитектуру BertForSequenceClassification; число параметров — 136,7 млн, максимальная длина контекста — 512 токенов. Модель подходит для присвоения текстам классов в рамках задачи, на которой её обучали.
В README приведены метрики валидации: accuracy 0,787, macro F1 0,787 и weighted F1 0,787. Данные не раскрывают названия классов, предметную область или состав обучающей выборки, поэтому качество на иных данных оценить нельзя. Веса опубликованы в формате Safetensors; условия лицензии в доступных сведениях не приведены.
Назначения классов и предметная область в карточке не описаны, поэтому применимость за пределами обучающей задачи не установлена. Контекст ограничен 512 токенами; лицензия в доступных сведениях не приведена.
README от автора на Hugging Face, как он его опубликовал
loss: 0.5821177363395691
f1_macro: 0.787141523275977
f1_micro: 0.7866666666666666
f1_weighted: 0.7871415232759771
precision_macro: 0.788034188034188
precision_micro: 0.7866666666666666
precision_weighted: 0.788034188034188
recall_macro: 0.7866666666666667
recall_micro: 0.7866666666666666
recall_weighted: 0.7866666666666666
accuracy: 0.7866666666666666
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · transformers · text-classification
Подбираем GPU…