Характеристики

Контекст: 512 токенов
Параметры: 11,9 млн
Лицензия: Apache 2.0
Архитектура: t5 · dense
Базовая модель: t5-efficient-tiny
Библиотека: transformers
Опубликована: 6 мая 2026

Ссылки

Hugging Face

sunflower_language_classification

Sunbird

Классификация текстаТекст → label3 профессии

Компактная дообученная модель T5 для классификации текста с ограничением контекста в 512 токенов.

204скачиваний за 30 дней0лайковвеса обновлены6 мая 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

Sunbird/sunflower_language_classification — дообученная модель классификации текста на базе google/t5-efficient-tiny, разработанная Sunbird. Она предназначена для отнесения входного текста к классам; конкретная схема меток и целевая область применения в карточке не раскрыты. Модель построена на архитектуре T5ForSequenceClassification, содержит 11,9 млн параметров и принимает последовательности длиной до 512 токенов.

В README приведены результаты оценки: accuracy 0,8297, precision 0,8471, recall 0,8297 и F1 0,8191. Модель распространяется в формате safetensors по лицензии Apache-2.0. Данные обучения в README обозначены как None, поэтому назначение классов и переносимость метрик на другие данные определить нельзя.

Сценарии применения

классификация коротких текстовых сообщений
автоматическая разметка текста по заданным категориям
оценка текста на тестовых наборах классификации

Ограничения

В карточке не описаны набор классов, обучающие данные и целевая область применения. Метрики оценки приведены для неуточнённого набора, поэтому качество на других данных не гарантировано.

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

sunflower_language_classification_v1

This model is a fine-tuned version of google/t5-efficient-tiny on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.7212
Accuracy: 0.8297
Precision: 0.8471
Recall: 0.8297
F1: 0.8191

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: 0.001
train_batch_size: 64
eval_batch_size: 64
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: 10
training_steps: 30000

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy	Precision	Recall	F1
2.3995	0.0167	500	2.0015	0.5145	0.4412	0.5145	0.4517
1.3282	0.0334	1000	1.6467	0.5688	0.4908	0.5688	0.5080
1.1086	0.0502	1500	1.5051	0.6304	0.5784	0.6304	0.5766
0.9882	0.0669	2000	1.4518	0.6268	0.6374	0.6268	0.5891
0.9187	0.0836	2500	1.3470	0.6522	0.6245	0.6522	0.6093
0.8546	0.1003	3000	1.3747	0.6159	0.5871	0.6159	0.5760
0.8214	0.1170	3500	1.2708	0.6703	0.6316	0.6703	0.6323
0.7843	0.1338	4000	1.1659	0.6848	0.6639	0.6848	0.6461
0.7470	0.1505	4500	1.1969	0.6848	0.6534	0.6848	0.6491
0.7299	0.1672	5000	1.0592	0.7101	0.7030	0.7101	0.6748
0.7041	0.1839	5500	1.0536	0.6848	0.6728	0.6848	0.6534
0.6755	0.2006	6000	1.0265	0.7138	0.7298	0.7138	0.6852
0.6683	0.2174	6500	1.0049	0.7428	0.7403	0.7428	0.7089
0.6573	0.2341	7000	1.0702	0.7029	0.7052	0.7029	0.6764
0.6372	0.2508	7500	1.0260	0.7210	0.7143	0.7210	0.6998
0.6173	0.2675	8000	0.9654	0.7428	0.7492	0.7428	0.7141
0.6009	0.2842	8500	1.0185	0.7464	0.7504	0.7464	0.7167
0.5924	0.3010	9000	1.0028	0.7283	0.7652	0.7283	0.7052
0.5916	0.3177	9500	0.9581	0.7174	0.7217	0.7174	0.6893
0.5806	0.3344	10000	1.0011	0.7355	0.7618	0.7355	0.7149
0.5672	0.3511	10500	0.8978	0.7572	0.7429	0.7572	0.7307
0.5580	0.3678	11000	0.9525	0.7210	0.7308	0.7210	0.7013
0.5520	0.3846	11500	0.8647	0.7645	0.7695	0.7645	0.7391
0.5552	0.4013	12000	0.8977	0.7536	0.7698	0.7536	0.7358
0.5341	0.4180	12500	0.8526	0.7536	0.7625	0.7536	0.7305
0.5284	0.4347	13000	0.8496	0.7464	0.7310	0.7464	0.7166
0.5322	0.4514	13500	0.7672	0.8007	0.8006	0.8007	0.7827
0.5229	0.4681	14000	0.8253	0.7754	0.7698	0.7754	0.7515
0.5007	0.4849	14500	0.8496	0.7826	0.7649	0.7826	0.7547
0.5109	0.5016	15000	0.7700	0.7754	0.7767	0.7754	0.7518
0.4989	0.5183	15500	0.8338	0.7645	0.7741	0.7645	0.7419
0.4991	0.5350	16000	0.7927	0.7754	0.7928	0.7754	0.7625
0.4977	0.5517	16500	0.7859	0.7790	0.7670	0.7790	0.7551
0.4854	0.5685	17000	0.7915	0.7862	0.7907	0.7862	0.7630
0.4826	0.5852	17500	0.7628	0.8043	0.7964	0.8043	0.7846
0.4765	0.6019	18000	0.7632	0.7971	0.8008	0.7971	0.7791
0.4641	0.6186	18500	0.7722	0.7935	0.7660	0.7935	0.7670
0.4783	0.6353	19000	0.7046	0.7899	0.8111	0.7899	0.7773
0.4745	0.6521	19500	0.7342	0.7899	0.8044	0.7899	0.7726
0.4555	0.6688	20000	0.7116	0.7862	0.7853	0.7862	0.7662
0.4530	0.6855	20500	0.7385	0.7754	0.7658	0.7754	0.7557
0.4565	0.7022	21000	0.7651	0.7899	0.8132	0.7899	0.7770
0.4555	0.7189	21500	0.7902	0.7681	0.7812	0.7681	0.7569
0.4485	0.7357	22000	0.7613	0.7862	0.7962	0.7862	0.7686
0.4518	0.7524	22500	0.7544	0.7862	0.7944	0.7862	0.7676
0.4508	0.7691	23000	0.7296	0.8043	0.8110	0.8043	0.7907
0.4418	0.7858	23500	0.7293	0.8261	0.8527	0.8261	0.8137
0.4365	0.8025	24000	0.7370	0.8043	0.8217	0.8043	0.7928
0.4353	0.8193	24500	0.7100	0.8188	0.8274	0.8188	0.8049
0.4240	0.8360	25000	0.7273	0.7862	0.7857	0.7862	0.7697
0.4205	0.8527	25500	0.7297	0.8225	0.8351	0.8225	0.8059
0.4316	0.8694	26000	0.7204	0.8116	0.8066	0.8116	0.7911
0.4176	0.8861	26500	0.7340	0.8080	0.8184	0.8080	0.7922
0.4240	0.9029	27000	0.7298	0.8116	0.8223	0.8116	0.7964
0.4149	0.9196	27500	0.7410	0.8188	0.8185	0.8188	0.8023
0.4159	0.9363	28000	0.7303	0.8152	0.8388	0.8152	0.8069
0.4068	0.9530	28500	0.7220	0.8043	0.8209	0.8043	0.7955
0.4135	0.9697	29000	0.7313	0.8188	0.8238	0.8188	0.8055
0.4130	0.9865	29500	0.7221	0.8225	0.8320	0.8225	0.8095
0.4213	1.0032	30000	0.7212	0.8297	0.8471	0.8297	0.8191

Framework versions

Transformers 5.8.0
Pytorch 2.11.0+cu130
Datasets 4.8.5
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: T5ForSequenceClassification
Ревизия весов: b2261ea