Характеристики

Контекст: 8 192 токена
Параметры: 149 млн
Лицензия: Apache 2.0
Архитектура: modernbert · dense
Базовая модель: ModernBERT-base
Библиотека: transformers
Опубликована: 9 янв 2025

Ссылки

Hugging Face

prompt-classification-bert

ashield-ai

Классификация текстаТекст → label3 профессии

Дообученная на базе ModernBERT модель для классификации текста, заявленная в названии как классификатор промптов.

11скачиваний за 30 дней0лайковвеса обновлены16 янв 2025

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

ashield-ai/prompt-classification-bert — дообученная модель классификации текста на базе answerdotai/ModernBERT-base. Она предназначена для отнесения входного текста к классам; название репозитория указывает на классификацию промптов, но карточка не описывает категории и сценарии применения. Модель содержит 149 млн параметров, использует архитектуру ModernBERT для классификации последовательностей и принимает контекст длиной до 8192 токенов.

В README приведены значение loss 0,0666 и F1 0,9905 на оценочной выборке, однако набор данных и методика оценки не описаны, поэтому эти результаты не позволяют судить о качестве на других данных. Модель распространяется в формате safetensors по лицензии Apache-2.0.

Сценарии применения

Классификация промптов по заданным категориям
Автоматическая разметка текстовых запросов

Ограничения

Категории классов, обучающий набор и методика оценки не описаны; метрика F1 из README не подтверждает качество на других данных.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей I.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

prompt-classification-bert

This model is a fine-tuned version of answerdotai/ModernBERT-base on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.0666
F1: 0.9905

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: 5e-05
train_batch_size: 8
eval_batch_size: 4
seed: 42
optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
num_epochs: 5
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	F1
0.1883	1.0	118	0.1625	0.9622
0.0718	2.0	236	0.0819	0.9716
0.0159	3.0	354	0.0610	0.9905
0.0	4.0	472	0.0656	0.9905
0.0	5.0	590	0.0666	0.9905

Framework versions

Transformers 4.48.0
Pytorch 2.5.1+cu121
Datasets 3.2.0
Tokenizers 0.21.0

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: ModernBertForSequenceClassification
Ревизия весов: 77b28de