Характеристики

Контекст: 514 токенов
Параметры: 152 млн
Лицензия: MIT
Архитектура: roberta · dense
Базовая модель: roberta-base
Библиотека: transformers
Опубликована: 7 июл 2026

Ссылки

Hugging Face

lore-vad-arousal

ZestyClose25

Классификация текстаТекст → label

Дообученная RoBERTa base для классификации текста с неописанными классами и назначением.

6скачиваний за 30 дней0лайковвеса обновлены7 июл 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

lore-vad-arousal — дообученная на неизвестном наборе данных модель FacebookAI RoBERTa base для классификации текста. Она содержит 151,8 млн параметров, использует архитектуру RoBERTa и принимает последовательности длиной до 514 токенов. В карточке приведён результат на оценочном наборе: loss 0,0030.

Модель предназначена для задачи text-classification, однако карточка не описывает метки классов, целевую задачу или предполагаемые сценарии применения. Поэтому по имеющимся сведениям нельзя установить, что именно она классифицирует. Модель распространяется по лицензии MIT.

Сценарии применения

Классификация текстовых последовательностей в задаче, соответствующей обучающим меткам
Оценка текста для исследовательских экспериментов с текстовой классификацией
Использование как отправной точки для разработки классификатора на базе RoBERTa

Ограничения

Назначение, набор данных и метки классов не описаны, поэтому область применения и качество по конкретным задачам оценить нельзя. Указанный loss 0,0030 приведён без описания оценочного набора и протокола.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

lore-vad-arousal

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

Loss: 0.0030

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: 32
eval_batch_size: 64
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
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss
0.0074	1.0	252	0.0027
0.0063	2.0	504	0.0027
0.0052	3.0	756	0.0030

Framework versions

Transformers 5.12.1
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: 550fdfc