Характеристики

Контекст: 514 токенов
Параметры: 152 млн
Лицензия: MIT
Архитектура: roberta · dense
Базовая модель: roberta-base
Библиотека: transformers
Опубликована: 16 мар 2025

Ссылки

Hugging Face

FacebookAI_roberta-base

Sukanyan

Классификация текстаТекст → label5 профессий

Дообученная RoBERTa для классификации текстовых последовательностей.

38скачиваний за 30 дней0лайковвеса обновлены3 июн 2025

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

Sukanyan/FacebookAI_roberta-base — модель классификации текста, дообученная на основе FacebookAI/roberta-base. Она построена на архитектуре RoBERTa для классификации последовательностей и содержит 151,8 млн параметров. Контекст составляет до 514 токенов; модель опубликована в формате safetensors и рассчитана на использование с библиотекой Transformers.

Модель предназначена для отнесения текста к классам. В карточке сообщается о дообучении на наборе данных, название которого не указано; на оценочной выборке приведены loss 1,0863 и accuracy 0,5738. Эти результаты не раскрывают набор классов и могут не отражать качество на других данных. Лицензия — MIT.

Сценарии применения

классификация коротких текстов по заданным категориям
автоматическая разметка текстовых последовательностей
определение класса сообщения в пользовательском пайплайне

Ограничения

Назначение конкретных классов и обучающий набор данных в карточке не раскрыты. Указанная accuracy 0,5738 получена на оценочной выборке; переносимость результата на другие данные не установлена.

Для каких профессий подходит5

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 736моделей II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель I.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022модели

Также подходит для

II.10Разработка и эксплуатация AI/ML-систем

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

FacebookAI_roberta-base

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

Loss: 1.0863
Accuracy: 0.5738

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: 5e-05
train_batch_size: 16
eval_batch_size: 16
seed: 42
optimizer: Use adamw_torch with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
num_epochs: 10

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
1.1969	1.0	283	1.0546	0.5831
0.9632	2.0	566	0.9984	0.6089
0.7778	3.0	849	0.9108	0.6419

Framework versions

Transformers 4.49.0
Pytorch 2.6.0+cu118
Datasets 3.4.0
Tokenizers 0.21.1

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: fc741e9