Характеристики

Контекст: 514 токенов
Параметры: 152 млн
Лицензия: MIT
Архитектура: roberta · dense
Базовая модель: roberta-base
Библиотека: transformers
Опубликована: 25 июн 2026

Ссылки

Hugging Face

roberta-base-vnx-cau1

ToanLe13

Классификация текстаТекст → label

Дообученная RoBERTa для классификации текста, назначение классов которой не описано в карточке.

9скачиваний за 30 дней0лайковвеса обновлены25 июн 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

ToanLe13 разработал модель roberta-base-vnx-cau1, дообучив FacebookAI/roberta-base для классификации текста. Это модель RoBERTa с архитектурой RobertaForSequenceClassification, 151,8 млн параметров и контекстом до 514 токенов. Репозиторий содержит веса в формате safetensors.

Карточка сообщает о дообучении на датасете, обозначенном как None, и приводит результаты оценки: accuracy 0,1358 и F1 0,0179. Назначение классов и предметная область не описаны, поэтому практическое применение модели по этим данным определить нельзя. Лицензия — MIT.

Сценарии применения

эксперименты с классификацией текста
оценка применимости модели к задаче классификации последовательностей
дообучение RoBERTa для текстовой классификации

Ограничения

Назначение классов, обучающий датасет и ограничения не раскрыты; на оценочной выборке указаны низкие accuracy 0,1358 и F1 0,0179.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

roberta-base-vnx-cau1

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: 2.6298
Accuracy: 0.1358
F1: 0.0179

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: 2e-05
train_batch_size: 16
eval_batch_size: 8
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
num_epochs: 3

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy	F1
2.6965	1.0	166	2.6479	0.1358	0.0285
2.6525	2.0	332	2.6401	0.1204	0.0134
2.6343	3.0	498	2.6306	0.1389	0.0209

Framework versions

Transformers 5.12.0
Pytorch 2.11.0+cu128
Datasets 4.0.0
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: RobertaForSequenceClassification
Ревизия весов: 037a7a0