Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: distilbert-base-multilingual-cased
Библиотека: transformers
Опубликована: 27 ноя 2024

Ссылки

Hugging Face

distilbert-base-multilingual-cased-aoe-test12

cvapict

Классификация текстаТекст → label3 профессии

Дообученная многоязычная модель DistilBERT для классификации текста.

9скачиваний за 30 дней0лайковвеса обновлены27 ноя 2024

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

Модель cvapict/distilbert-base-multilingual-cased-aoe-test12 — дообученная версия DistilBERT multilingual cased для классификации текста по последовательностям. В карточке указаны точность 0,9571 и loss 0,1165 на оценочном наборе; название датасета приведено как None, поэтому результаты нельзя связать с конкретной областью или набором классов.

Модель использует архитектуру DistilBertForSequenceClassification, принимает текст и выдаёт метки классов. Она основана на distilbert/distilbert-base-multilingual-cased, поддерживает контекст до 512 токенов и распространяется в формате safetensors через Transformers. Лицензия — Apache-2.0.

Карточка не описывает целевые классы, обучающие данные и предполагаемые сценарии применения, поэтому качество для конкретной задачи оценить нельзя. Перед применением следует проверить модель на данных и метриках целевого сценария.

Сценарии применения

Классификация коротких текстов по заданным категориям
Проверка тональности текста после адаптации к целевым меткам
Разметка текстовых обращений по классам после проверки на целевых данных

Ограничения

Датасет указан как None, а описание не раскрывает целевые классы и область применения. Метрики из карточки не подтверждают качество на других данных или языках.

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 III.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модель II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

distilbert-base-multilingual-cased-aoe-test12

This model is a fine-tuned version of distilbert-base-multilingual-cased on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.1165
Accuracy: 0.9571

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: 64
eval_batch_size: 64
seed: 42
optimizer: Use adamw_torch with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
num_epochs: 2

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.1129	1.0	353	0.1182	0.9555
0.1319	2.0	706	0.1165	0.9571

Framework versions

Transformers 4.46.2
Pytorch 2.5.1+cu121
Datasets 3.1.0
Tokenizers 0.20.3

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: DistilBertForSequenceClassification
Ревизия весов: 8c52d51