/ Модель

Характеристики

Контекст
512 токенов
Параметры
212 млн
Лицензия
MIT
Архитектура
deberta-v2 · dense
Базовая модель
deberta-v3-base
Библиотека
transformers
Опубликована
2 авг 2024

Anxiety_continuous

Классификация текстаТекст → label3 профессии

Дообученная DeBERTa-v3-base для классификации текста, предположительно связанного с тревожностью.

26скачиваний за 30 дней0лайковвеса обновлены8 сен 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

Anxietycontinuous — дообученная модель DeBERTa-v3-base для классификации текста, разработанная автором репозитория ajrayman. README приводит метрики на оценочной выборке: loss 0,0640, RMSE 0,2530, MAE 0,1993 и корреляцию 0,3833; назначение и состав набора данных в карточке не раскрыты. Модель содержит 211,6 млн параметров, принимает текст с контекстом до 512 токенов и распространяется в формате Safetensors через Transformers.

По названию репозитория можно предположить, что модель предназначена для оценки тревожности по тексту, однако карточка не подтверждает шкалу оценки, языки, сценарии применения или подготовку данных. Лицензия — MIT. Приведённая корреляция и отсутствие сведений о данных и валидации ограничивают выводы о качестве и применимости модели.

Сценарии применения

  • оценка текстов на признаки тревожности
  • экспериментальная классификация высказываний о тревоге
  • исследование применения языковых моделей для оценки тревожности

Ограничения

Описание назначения, языка, обучающих данных и шкалы оценки отсутствует; название модели лишь косвенно указывает на связь с тревожностью. Корреляция на оценочной выборке составляет 0,3833, поэтому качество и пригодность для практических решений не установлены.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Anxiety_continuous

This model is a fine-tuned version of microsoft/deberta-v3-base on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.0640
  • Rmse: 0.2530
  • Mae: 0.1993
  • Corr: 0.3833

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: 32
  • seed: 1234
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_ratio: 0.06
  • num_epochs: 8

Training results

Training LossEpochStepValidation LossRmseMaeCorr
No log1.02350.05520.23500.19300.4134
No log2.04700.05680.23830.19040.4369
0.07423.07050.05400.23240.18740.4231
0.07424.09400.06290.25090.19780.4142
0.04045.011750.06400.25300.19930.3833

Framework versions

  • Transformers 4.44.1
  • Pytorch 1.11.0
  • Datasets 2.12.0
  • Tokenizers 0.19.1

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
DebertaV2ForSequenceClassification
Ревизия весов
dc525e9

0 моделей