/ Модель

Характеристики

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

Artistic_Interests_binary

Классификация текстаТекст → label3 профессии

Дообученная DeBERTa-v3-base для бинарной классификации текста по признаку интереса к искусству.

14скачиваний за 30 дней0лайковвеса обновлены2 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

Artistic_Interests_binary — англоязычная модель классификации текста на основе DeBERTa-v3-base от Microsoft, дообученная автором ajrayman для бинарной классификации интереса к искусству. Модель содержит 211,6 млн параметров, принимает текстовые последовательности длиной до 512 токенов и распространяется в формате safetensors по лицензии MIT.

Её можно использовать для автоматической классификации текстов по признаку интереса к искусству. В README приведены результаты оценки: accuracy 0,6276 и F1 0,6551; набор данных указан как None, поэтому назначение меток и область применения стоит уточнить перед использованием. Описания обучающих данных и ограничений автор не предоставил.

Сценарии применения

  • Определение интереса к искусству по тексту
  • Классификация анкет по интересу к искусству
  • Отбор публикаций об искусстве по заданному признаку

Ограничения

На оценочной выборке указаны accuracy 0,6276 и F1 0,6551, что может быть недостаточно для решений с высокими требованиями к точности. README не описывает состав данных и смысл классов, поэтому перед применением нужно проверить соответствие меток задаче.

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

Artistic_Interests_binary

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: 0.7778
  • Accuracy: 0.6276
  • Precision: 0.6094
  • Recall: 0.7082
  • F1: 0.6551
  • Auc: 0.6806

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 LossAccuracyPrecisionRecallF1Auc
No log1.01180.65320.58900.55930.83540.670.6617
No log2.02360.66970.59650.56380.84790.67730.6764
No log3.03540.67050.63760.62440.68830.65480.6848
No log4.04720.77780.62760.60940.70820.65510.6806

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
b451cc2

0 моделей