/ Модель

Характеристики

Контекст
130 токенов
Параметры
162 млн
Архитектура
roberta · dense
Базовая модель
bertweet-base
Опубликована
7 мая 2024

commit-message-model

Классификация текстаТекст → label4 профессии

Модель классифицирует англоязычные сообщения Git-коммитов по типам изменений: адаптация, улучшение, исправление, документация и прочее.

23скачиваний за 30 дней3лайкавеса обновлены29 мая 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

dev-analyzer/commit-message-model — модель классификации сообщений коммитов Git, созданная дообучением vinai/bertweet-base. Она использует архитектуру RoBERTa для классификации текста и содержит 162,4 млн параметров; максимальная длина контекста — 130 токенов. Модель относит сообщения к пяти категориям: Adaptive (добавление функций и адаптация), Perfective (рефакторинг и улучшение качества), Corrective (исправление ошибок), Administrative (документация) и Other (слияния, pull request и неопределённые задачи).

Модель предназначена для анализа истории изменений в репозиториях, автоматической категоризации коммитов и подготовки сводок по типам работ. Базовая модель обучалась на сообщениях в Twitter и ориентирована на английский язык; карточка не сообщает отдельные показатели качества. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных данных не указана.

Сценарии применения

  • автоматическая категоризация сообщений Git-коммитов
  • разделение коммитов на исправления ошибок и новые функции
  • выявление коммитов с рефакторингом и улучшением производительности
  • отбор коммитов, связанных с документацией
  • анализ типов работ в истории репозитория

Ограничения

Контекст ограничен 130 токенами; длинные сообщения коммитов могут не поместиться целиком. В предоставленной карточке нет результатов оценки качества модели.

Для каких профессий подходит4

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

Model for classifying git commit messages. This model is based on vinai/bertweet-base and fine-tuned. Git commit messages are categorized into the following categories:

  1. Adaptive - Adaptive activities are functional activities and involve making modifications to the software to ensure it remains compatible with new environments. Examples of these are feature additions and test cases.
  2. Perfective - Perfective activities encompass modifications aimed at improving the software's overall quality, structure, and efficiency, such as refactoring, renaming, cleaning up redundant segments, and improving algorithms and performance.
  3. Corrective - Corrective activities address and correct software problems such as bugs, defects, errors, and faults that negatively impact the system.
  4. Administrative - Administrative activities include working on documentation such as README.md files, javadocs, or commenting the code.
  5. Other - This activity includes Git operations such as merges and pull requests. It also includes vague and unspecified tasks.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
RobertaForSequenceClassification
Ревизия весов
460d249

0 моделей