/ Модель

Характеристики

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

psychopathy_binary

Классификация текстаТекст → label3 профессии

Дообученная DeBERTa-модель для бинарной классификации текстов, связанных с психопатией, с ограниченными опубликованными метриками.

23скачиваний 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

ajrayman/psychopathy_binary — дообученная модель на базе microsoft/deberta-v3-base для бинарной классификации текста, связанной с психопатией. По карточке доступны результаты оценки: accuracy 0,6508, precision 0,73, recall 0,48, F1 0,5792 и AUC 0,7188. Это указывает на ограниченное качество классификации, особенно по полноте; модель не следует считать надёжным инструментом для психологической диагностики. Архитектура DeBERTa V2 для классификации последовательностей содержит 211,6 млн параметров и принимает текст с контекстом до 512 токенов.

Карточка не описывает обучающие данные и предполагаемое применение подробнее. Модель выпущена под лицензией MIT. Язык модели в карточке не обозначен; базовая модель Microsoft англоязычная, поэтому англоязычное применение является наиболее обоснованным предположением.

Сценарии применения

  • экспериментальная бинарная классификация текстов по признаку психопатии
  • оценка результатов классификатора на исследовательском наборе данных
  • исследование автоматического выявления языковых признаков в тексте

Ограничения

На оценочном наборе F1 составляет 0,5792, а полнота — 0,48; качество может быть недостаточным для надёжных выводов. Данные обучения и ограничения предполагаемого применения не описаны, поэтому модель не подходит для диагностики.

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

psychopathy_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: 0.9904
  • Accuracy: 0.6508
  • Precision: 0.7300
  • Recall: 0.48
  • F1: 0.5792
  • Auc: 0.7188

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 log1.01170.61480.64330.70180.50.58390.7171
No log2.02340.61550.64580.74480.4450.55710.7453
No log3.03510.69700.65830.64400.710.67540.7302
No log4.04680.83200.65710.73510.49250.58980.7264
0.49195.05850.99040.65080.73000.480.57920.7188

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
9335c59

0 моделей