Характеристики

Контекст: 514 токенов
Параметры: 138 млн
Архитектура: roberta · dense
Базовая модель: roberta-base
Библиотека: transformers
Опубликована: 24 июн 2026

Ссылки

Hugging Face

results

Yesoyeso

Классификация текстаТекст → label

Дообученная корейская RoBERTa для классификации текста с указанной точностью 0,857 на оценочном наборе.

8скачиваний за 30 дней0лайковвеса обновлены24 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

Yesoyeso/results — модель классификации текста, дообученная автором на основе klue/roberta-base. Она построена на архитектуре RoBERTa и содержит 137,8 млн параметров; для хранения весов используется формат safetensors. Модель предназначена для классификации текстовых последовательностей. В README приведены результаты оценки: accuracy 0,857 и loss 0,4622.

Базовая klue/roberta-base — предобученная корейская модель для понимания текста, поэтому модель ориентирована на корейский язык. Длина контекста составляет 514 токенов. Название и состав классов, обучающий набор данных и конкретные сценарии классификации не раскрыты. Лицензия в предоставленных данных не указана.

Сценарии применения

классификация корейских текстовых последовательностей
оценка тональности корейского текста, если метки модели подходят
отнесение корейских текстов к заданным категориям

Ограничения

Не раскрыты набор данных, названия классов и предполагаемые прикладные сценарии; опубликованные метрики не описывают переносимость на другие данные. Лицензия не указана в предоставленных материалах.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

results

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

Loss: 0.4622
Accuracy: 0.857

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
num_epochs: 1

Training results

Framework versions

Transformers 5.12.1
Pytorch 2.11.0+cu128
Datasets 2.19.1
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: 51699dd