Характеристики

Контекст: 512 токенов
Параметры: 137 млн
Архитектура: bert · dense
Опубликована: 28 июн 2026

Ссылки

Hugging Face

beto-sarcasmo

YoliGuadir

Классификация текстаТекст → label3 профессии

Дообученная на испанских текстах модель BETO для классификации высказываний как саркастических или несаркастических.

10скачиваний за 30 дней0лайковвеса обновлены29 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

YoliGuadir/beto-sarcasmo — испаноязычная модель классификации текста, разработанная как дообучение BETO на наборе Sarcastic_spanish_dataset. Она определяет, содержит ли текст сарказм, и относит его к классу SARCASMO или NO_SARCASMO. Модель построена на архитектуре BERT и содержит 137,1 млн параметров; максимальная длина контекста — 512 токенов.

Модель подходит для анализа коротких испаноязычных сообщений и высказываний, например для автоматической разметки текстов с сарказмом. В README приведены результаты наилучшего варианта: F1-macro 0,9212 и accuracy 0,93. Эти показатели относятся к описанным в карточке экспериментам и не гарантируют такого же качества на других данных. Модель распространяется в формате safetensors; лицензия в предоставленных источниках не указана.

Сценарии применения

поиск сарказма в испаноязычных сообщениях
разметка отзывов по наличию сарказма
анализ саркастических высказываний в социальных сетях

Ограничения

Модель рассчитана на испанский язык и ограничена контекстом до 512 токенов. Приведённые метрики получены на описанном наборе данных и могут не переноситься на тексты из других источников.

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.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей III.2Корпоративные функцииИсследование рынка и маркетингAI помогает понимать рынок, создавать коммуникации и улучшать эффективность маркетинга.22 задачи8 594модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

BETO + Sarcasmo — Deteccion de Sarcasmo en Espanol

Descripcion

BETO fine-tuneado sobre Sarcastic_spanish_dataset. Clases: SARCASMO / NO_SARCASMO.

Metricas de desempeno

Batch	Epocas	F1-Macro	F1-Weighted	Accuracy
32	6	0.9149	0.92	0.92
16	6	0.9178	0.92	0.92
8	6	0.9212	0.93	0.93

Mejor modelo: batch=8 F1-Macro=0.9212

Matriz de Confusion

Matriz

Uso del modelo

from transformers import pipeline
clf = pipeline("text-classification", model="YoliGuadir/beto-sarcasmo")
clf("Obvio que aprobe el examen, estudie exactamente 5 minutos")

Configuracion

Modelo base: dccuchile/bert-base-spanish-wwm-cased
Dataset: Ernesto-1997/Sarcastic_spanish_dataset
Plataforma: Kaggle T4 x2
Epocas: 6
Learning rate: 2e-5
fp16: True

Maestria CODING - Universidad del Valle

Taller Final PLN - Gran Idea 2

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: BertForSequenceClassification
Ревизия весов: 5258ae6