Характеристики

Контекст: 258 токенов
Параметры: 162 млн
Лицензия: MIT
Архитектура: roberta · dense
Базовая модель: phobert-base
Библиотека: transformers
Опубликована: 22 фев 2025

Ссылки

Hugging Face

phobert-finetuned-vihsd

funa21

Классификация текстаТекст → label3 профессии

Дообученная на PhoBERT-base модель для классификации вьетнамского текста.

112скачиваний за 30 дней0лайковвеса обновлены14 авг 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

funa21/phobert-finetuned-vihsd — дообученная модель PhoBERT-base от разработчика funa21 для классификации текста. Она построена на архитектуре RoBERTa и содержит 162,4 млн параметров; базовая PhoBERT разработана для обработки вьетнамского языка. Модель рассчитана на присвоение текстам классов, однако описание не раскрывает набор меток и конкретную прикладную задачу.

В карточке указана точность 0,8694 и значение loss 0,5694 на оценочном наборе, но сам набор данных и условия оценки не описаны. Контекст модели — 258 токенов. Веса представлены в формате safetensors, библиотека — Transformers. Лицензия — MIT.

Сценарии применения

классификация коротких текстов на вьетнамском языке
присвоение текстовым сообщениям категорий
оценка качества классификатора на размеченных текстах

Ограничения

Набор данных, метки классов и целевая прикладная задача не раскрыты, поэтому значения точности и loss нельзя уверенно переносить на другие данные. Контекст ограничен 258 токенами.

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 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

phobert-finetuned-vihsd

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

Loss: 0.5694
Accuracy: 0.8694

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: 64
eval_batch_size: 64
seed: 42
optimizer: Use OptimizerNames.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: 6

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.4256	1.0	376	0.3945	0.8638
0.3041	2.0	752	0.3730	0.8698
0.2207	3.0	1128	0.4149	0.8720
0.1577	4.0	1504	0.4563	0.8589
0.1122	5.0	1880	0.5156	0.8660
0.0787	6.0	2256	0.5694	0.8694

Framework versions

Transformers 4.53.3
Pytorch 2.7.1+cu126
Datasets 4.0.0
Tokenizers 0.21.2

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: 34776bb