Характеристики

Контекст: 512 токенов
Параметры: 137 млн
Лицензия: Apache 2.0
Архитектура: bert · dense
Базовая модель: bert-base-uncased
Библиотека: transformers
Опубликована: 3 окт 2025

Ссылки

moralBERT-uncased-mrfc-authority

Классификация текстаТекст → label3 профессии

Дообученная англоязычная BERT-модель для классификации текстовых последовательностей, связанной с моральной оценкой и авторитетом.

136скачиваний за 30 дней0лайковвеса обновлены5 окт 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

moralBERT-uncased-mrfc-authority — модель классификации текста, созданная дообучением google-bert/bert-base-uncased. Она предназначена для классификации текстовых последовательностей; название указывает на связь с моральной оценкой и авторитетом, однако карточка не уточняет набор меток и целевую схему классификации. Модель содержит 136,7 млн параметров, использует архитектуру BERT и принимает последовательности длиной до 512 токенов.

В README приведены результаты на тестовой выборке: loss 0,6352 и accuracy 0,5997. Данные обучения не описаны, поэтому эти показатели не позволяют судить о качестве на конкретных прикладных задачах. Модель распространяется в формате safetensors по лицензии Apache-2.0.

Сценарии применения

классификация текстов по категориям, связанным с моралью и авторитетом
экспериментальная оценка качества классификации англоязычных текстов
извлечение меток из текстовых последовательностей для исследовательских экспериментов

Ограничения

README не описывает обучающий датасет, метки классов и предполагаемые сценарии применения. На указанной тестовой выборке accuracy составляет 0,5997, поэтому качество следует проверять на данных целевого применения.

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 I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель 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

moralBERT-uncased-mrfc-authority

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

Loss: 0.6352
Accuracy: 0.5997

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: 8
eval_batch_size: 8
seed: 42
optimizer: Use adamw_torch_fused with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
num_epochs: 1

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.644	1.0	3440	0.6352	0.5997

Framework versions

Transformers 4.57.0
Pytorch 2.8.0+cu128
Datasets 4.1.1
Tokenizers 0.22.1

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: BertForSequenceClassification
Ревизия весов: 141f482