Характеристики

Контекст: 514 токенов
Параметры: 659 млн
Архитектура: xlm-roberta · dense
Опубликована: 29 июн 2026

Ссылки

Hugging Face

xlmroberta-sarcasmo

YoliGuadir

Классификация текстаТекст → label3 профессии

Испанская XLM-RoBERTa-large для классификации текстов на саркастические и несаркастические.

10скачиваний за 30 дней0лайковвеса обновлены30 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/xlmroberta-sarcasmo — модель XLM-RoBERTa-large, дообученная для классификации испанских текстов на классы «сарказм» и «не сарказм». Она предназначена для определения сарказма в коротких сообщениях и фразах; карточка приводит пример использования через библиотеку Transformers. Модель содержит 658,7 млн параметров, принимает текст и имеет контекст до 514 токенов.

В README сообщается о лучшем результате F1-macro 0,931 для опубликованной конфигурации с batch size 8. Модель обучали шесть эпох на Sarcastic_spanish_dataset. Доступный формат весов — safetensors. Лицензия в предоставленных данных не указана.

Сценарии применения

определение сарказма в испанских сообщениях
фильтрация саркастичных комментариев в соцсетях
разметка испанских текстов по наличию сарказма

Ограничения

Модель рассчитана на испанский язык и контекст до 514 токенов; качество на других языках и длинных текстах не подтверждено. Приведённые метрики получены на валидации, поэтому они не гарантируют аналогичный результат на новых данных.

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 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

XLM-RoBERTa-large + Sarcasmo — Deteccion de Sarcasmo en Espanol

Descripcion

XLM-RoBERTa-large fine-tuneado sobre Sarcastic_spanish_dataset. Clases: SARCASMO / NO_SARCASMO.

Metricas de desempeno — 3 configuraciones de batch size

Batch	Epocas	F1-Macro	F1-Weighted	Accuracy	Mejor
8	6	0.931	0.9345	0.9348	<- MEJOR
16	0	0.0	0.0	0.0
32	0	0.0	0.0	0.0

El modelo publicado corresponde al batch=8 con F1-Macro=0.931 que es el mejor resultado obtenido.

Matrices de Confusion por Batch Size

Batch=8 — MEJOR MODELO (publicado en HF)

Matriz batch=8

Historial de entrenamiento por batch size

Batch=8

Epoca	Val Loss	F1 Macro	F1 Weighted	Accuracy
1	0.5013	0.906	0.9107	0.911
2	0.5099	0.9256	0.9292	0.9293
3	0.7231	0.9311	0.9346	0.9351
4	0.7816	0.9333	0.9364	0.9364
5	1.0136	0.9245	0.9285	0.9291
6	1.0212	0.931	0.9345	0.9348

Uso del modelo

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

Configuracion

Modelo base: xlm-roberta-large
Dataset: Ernesto-1997/Sarcastic_spanish_dataset
Plataforma: Kaggle T4 x2
Epocas: 6
Learning rate: 1e-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: XLMRobertaForSequenceClassification
Ревизия весов: 6b5e98b