Характеристики

Контекст: 514 токенов
Параметры: 152 млн
Лицензия: MIT
Архитектура: roberta · dense
Базовая модель: roberta-base
Библиотека: transformers
Опубликована: 19 июн 2026

Ссылки

Hugging Face

robert-test

VinitT

Классификация текстаТекст → label

Дообученная модель RoBERTa для классификации текстов.

6скачиваний за 30 дней0лайковвеса обновлены19 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

VinitT/robert-test — модель классификации текста на базе RoBERTa, дообученная разработчиком VinitT на неизвестном наборе данных. Она предназначена для присвоения классов текстам; карточка сообщает значение loss 0,2726 на оценочном наборе, но не раскрывает классы, данные и подробности оценки. Модель содержит 151,8 млн параметров, принимает текст с контекстом до 514 токенов и распространяется в формате safetensors через Transformers. Лицензия — MIT.

Сценарии применения

классификация текста по заданным категориям
определение меток для коротких текстовых фрагментов
оценка качества текстовой классификации на собственных данных

Ограничения

Назначение классов, обучающий набор данных и метрики качества, кроме loss, не описаны. Эффективность на конкретных данных не подтверждена.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

robert-test

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

Loss: 0.2726

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 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: 500
num_epochs: 3

Training results

Training Loss	Epoch	Step	Validation Loss
No log	1.0	19	0.6801
No log	2.0	38	0.5599
No log	3.0	57	0.2726

Framework versions

Transformers 5.12.1
Pytorch 2.11.0+cu128
Datasets 5.0.0
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: fead74b