/ Модель

Характеристики

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

Modesty_continuous

Классификация текстаТекст → label3 профессии

Дообученная DeBERTa-модель для классификации текста и непрерывной оценки последовательностей.

25скачиваний 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

Modesty_continuous — дообученная модель классификации последовательностей на базе microsoft/deberta-v3-base, опубликованная ajrayman. Она предназначена для оценки текста по непрерывной шкале: в карточке приведены метрики RMSE, MAE и корреляции, что указывает на регрессионную оценку, представленную через задачу text-classification в Hugging Face. Модель содержит 211,6 млн параметров, использует архитектуру DeBERTa V2 и принимает текст с контекстом до 512 токенов.

На тестовом наборе указаны loss 0,0588, RMSE 0,2424, MAE 0,1959 и корреляция 0,3927. Назначение оценки, свойства обучающих данных и целевая область в карточке не раскрыты, поэтому пригодность модели для конкретного показателя или домена требует проверки. Лицензия — MIT.

Сценарии применения

  • Непрерывное оценивание текстовых последовательностей
  • Ранжирование текстов по предсказанному числовому показателю
  • Экспериментальная оценка качества текста на собственных данных

Ограничения

Целевой показатель, обучающий набор и intended use не описаны; приведённая корреляция 0,3927 ограничивает уверенность в применении модели без независимой проверки. Максимальная длина контекста — 512 токенов.

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

Modesty_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: 0.0588
  • Rmse: 0.2424
  • Mae: 0.1959
  • Corr: 0.3927

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 log1.02350.05300.23020.18650.3741
No log2.04700.06920.26300.21430.4008
0.06893.07050.05880.24240.19590.3927

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
39ad975

0 моделей