Характеристики

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

Ссылки

Hugging Face

Artistic_Interests_continuous

ajrayman

Классификация текстаТекст → label3 профессии

Дообученная DeBERTa-v3-base для предсказания непрерывной оценки художественных интересов по тексту.

21скачиваний 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

Artistic_Interests_continuous — модель классификации текста на базе DeBERTa-v3-base, дообученная ajrayman. Она предназначена для предсказания непрерывной оценки, связанной с художественными интересами, по тексту. В карточке приведены результаты оценки: RMSE 0,2337, MAE 0,1878 и корреляция 0,2377; описание набора данных и подробности сценариев применения отсутствуют. Модель содержит 211,6 млн параметров, использует архитектуру DeBERTa и принимает последовательности длиной до 512 токенов. Доступна в формате safetensors; лицензия — MIT.

Сценарии применения

оценка выраженности художественных интересов в тексте
сопоставление текстовых ответов по уровню интереса к искусству
анализ анкет об интересах в искусстве

Ограничения

Описание обучающего набора данных и предполагаемого применения отсутствует. Корреляция на оценочной выборке составляет 0,2377, поэтому качество ранжирования или согласованность предсказаний может быть ограниченной.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.12Универсальные способностиРекомендации и персонализацияAI помогает подбирать релевантные варианты и адаптировать опыт под конкретного человека или ситуацию.15 задач7 627моделей IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Artistic_Interests_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: 0.0546
Rmse: 0.2337
Mae: 0.1878
Corr: 0.2377

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 Loss	Epoch	Step	Validation Loss	Rmse	Mae	Corr
No log	1.0	235	0.0512	0.2262	0.1846	0.2574
No log	2.0	470	0.0647	0.2543	0.2008	0.2617
0.077	3.0	705	0.0546	0.2337	0.1878	0.2377

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: da3f521