/ 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

Self-consciousness_continuous

Классификация текстаТекст → label3 профессии

Дообученная DeBERTa V3 Base для классификации текста с непрерывной оценкой по теме самосознания.

22скачиваний 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

Self-consciousness_continuous — дообученная ajrayman модель на базе microsoft/deberta-v3-base для классификации текста. В метаданных указана архитектура DeBERTa V2 с головой классификации последовательностей, 211,6 млн параметров и контекстом до 512 токенов. README сообщает об обучении на датасете, название которого не указано, и приводит результаты оценки: loss 0,0455, RMSE 0,2132, MAE 0,1700 и корреляция 0,2733.

Модель предназначена для оценки текста по непрерывной шкале, связанной с темой самосознания; конкретные метки, целевая шкала и сценарии применения в карточке не описаны. Базовая модель англоязычная, поэтому английский — основной язык, хотя язык обучающих данных отдельно не подтверждён. Распространяется по лицензии MIT. README содержит мало сведений о назначении и ограничениях, а значение корреляции указывает на необходимость осторожной проверки качества перед практическим применением.

Сценарии применения

  • оценка текста по непрерывной шкале самосознания
  • экспериментальная классификация высказываний о самосознании
  • получение числовой оценки для сравнительного анализа текстов

Ограничения

В README не раскрыты обучающий датасет, шкала оценок и подробные ограничения; приведённая корреляция составляет 0,2733, поэтому качество оценки может быть ограниченным. Контекст ограничен 512 токенами.

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

Self-consciousness_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: 0.0455
  • Rmse: 0.2132
  • Mae: 0.1700
  • Corr: 0.2733

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 log1.02350.04530.21280.17200.2594
No log2.04700.04240.20580.16520.2860
0.05233.07050.04390.20960.16790.2733
0.05234.09400.04550.21320.17000.2733

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
fb20a7a

0 моделей