Характеристики

Контекст: 512 токенов
Параметры: 136 млн
Лицензия: Apache 2.0
Архитектура: albert · dense
Базовая модель: albert-base-v2
Библиотека: transformers
Опубликована: 16 мар 2025

Ссылки

Hugging Face

albert_albert-base-v2

Sukanyan

Классификация текстаТекст → label3 профессии

Дообученная на базе ALBERT модель для классификации текстовых последовательностей с контекстом до 512 токенов.

15скачиваний 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/albert_albert-base-v2 — дообученная модель классификации последовательностей на базе albert/albert-base-v2, созданной командой Google Research. Она предназначена для классификации текстовых последовательностей; конкретные классы, тематика и обучающий набор в карточке не раскрыты. Модель содержит 136,3 млн параметров, использует архитектуру ALBERT и принимает текст длиной до 512 токенов.

На тестовой выборке указаны accuracy 0,4479 и loss 1,3806, поэтому качество для практической задачи следует оценивать отдельно на подходящих данных. Базовая ALBERT ориентирована на английский язык; карточка не уточняет языковой состав дообучающей выборки. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

классификация текстовых последовательностей
экспериментальная проверка классификатора на английских текстах
дообучение классификатора под собственные категории

Ограничения

Набор данных и целевые классы не описаны; указанная точность 0,4479 на оценочной выборке может быть недостаточной для прикладного использования без дополнительной проверки.

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 736моделей 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 II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

albert_albert-base-v2

This model is a fine-tuned version of albert/albert-base-v2 on the None dataset. It achieves the following results on the evaluation set:

Loss: 1.3806
Accuracy: 0.4479

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
1.392	1.0	283	1.3819	0.4479
1.4077	2.0	566	1.3793	0.4479
1.3917	3.0	849	1.3679	0.4479

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: AlbertForSequenceClassification
Ревизия весов: 8672819