Характеристики

Контекст: 514 токенов
Параметры: 152 млн
Лицензия: MIT
Архитектура: roberta · dense
Базовая модель: roberta-base
Библиотека: transformers
Опубликована: 15 июн 2026

Ссылки

Hugging Face

roberta-base-finetuned-multirc

fddcvnnieiuncv

Классификация текстаТекст → label3 профессии

Дообученная англоязычная RoBERTa для классификации текста в задаче MultiRC.

12скачиваний за 30 дней0лайковвеса обновлены15 июн 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

fddcvnnieiuncv/roberta-base-finetuned-multirc — модель на базе RoBERTa, дообученная для классификации текста на задаче MultiRC. Она содержит 151,8 млн параметров, использует архитектуру RobertaForSequenceClassification и принимает последовательности длиной до 514 токенов. В README указаны результаты оценки: accuracy 0,6743, F1 0,6576 и loss 0,6277.

Модель предназначена для классификации текстовых примеров в рамках задачи MultiRC. Базовая RoBERTa англоязычная, поэтому модель ориентирована на английский текст. Репозиторий распространяет веса в формате safetensors; лицензия — MIT. Описание не раскрывает состав обучающей выборки и подробности применения, поэтому качество для других наборов данных и сценариев не подтверждено.

Сценарии применения

классификация текстовых примеров MultiRC
оценка качества модели на тестовой выборке MultiRC
эксперименты с классификацией английского текста

Ограничения

В README не описаны обучающая выборка и предполагаемые сценарии применения; приведённые метрики относятся только к указанной оценочной выборке. Результаты на других данных не подтверждены.

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.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

roberta-base-finetuned-multirc

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

Loss: 0.6277
Model Preparation Time: 0.005
Accuracy: 0.6743
F1: 0.6576

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: 1e-05
train_batch_size: 8
eval_batch_size: 8
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: 1.0
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Model Preparation Time	Accuracy	F1
0.8163	0.1000	259	0.6844	0.005	0.5692	0.0
0.7147	0.2001	518	0.6910	0.005	0.5692	0.0
0.7018	0.3001	777	0.6948	0.005	0.4308	0.6022
0.7104	0.4002	1036	0.6954	0.005	0.4628	0.6063
0.6323	0.5002	1295	0.6532	0.005	0.6276	0.6034
0.5122	0.6002	1554	0.6277	0.005	0.6641	0.6160
0.5122	0.7003	1813	0.6285	0.005	0.6705	0.6389
0.6037	0.8003	2072	0.6377	0.005	0.6614	0.6474
0.7200	0.9003	2331	0.6052	0.005	0.6852	0.6364
0.5073	1.0	2589	0.6277	0.005	0.6743	0.6576

Framework versions

Transformers 5.10.2
Pytorch 2.11.0+cu128
Datasets 4.0.0
Tokenizers 0.22.2

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: RobertaForSequenceClassification
Ревизия весов: a0e24eb