Характеристики

Контекст: 4 096 токенов
Параметры: 124 млн
Лицензия: Apache 2.0
Архитектура: longt5 · dense
Базовая модель: long-t5-tglobal-base
Библиотека: transformers
Опубликована: 12 фев 2025

Ссылки

Hugging Face

google-long-t5-tglobal-base_finetuned_augmented_augmented_smollm2_1.7b

jackmedda

Классификация текстаТекст → label3 профессии

Дообученная LongT5-модель для классификации длинных текстовых последовательностей.

205скачиваний за 30 дней0лайковвеса обновлены12 фев 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

Это дообученная модель Google LongT5 TGlobal Base для классификации текста, опубликованная пользователем jackmedda. Она содержит 123,8 млн параметров, использует архитектуру LongT5ForSequenceClassification и принимает текстовые последовательности длиной до 4096 токенов. В метаданных указаны библиотека Transformers и формат весов safetensors.

Модель подходит для отнесения текстов к классам в задачах, где важны длинные входные последовательности. На указанном в карточке наборе оценки приведены accuracy 0,7647, F1 0,8667, precision 0,7647 и recall 1,0; назначение классов и состав обучающих данных не описаны. Модель основана на англоязычной LongT5 от Google Research, поэтому английский — основной предполагаемый язык.

Лицензия — Apache-2.0. Карточка не уточняет конкретные сценарии классификации и ограничения качества за пределами приведённых метрик.

Сценарии применения

классификация длинных документов
отнесение текста к заданным категориям
классификация текстов длиной до 4096 токенов

Ограничения

Обучающий набор и назначение классов не описаны. Метрики приведены для одного оценочного набора и сами по себе не гарантируют 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.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей 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

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

jackmedda/google-long-t5-tglobal-base_finetuned_augmented_augmented_smollm2_1.7b

This model is a fine-tuned version of google/long-t5-tglobal-base on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.5509
Accuracy: 0.7647
F1: 0.8667
Precision: 0.7647
Recall: 1.0

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: 2
eval_batch_size: 2
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: 50

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy	F1	Precision	Recall
0.5448	1.0	92	0.6180	0.7	0.8235	0.7	1.0
0.2297	2.0	184	0.8274	0.7	0.8235	0.7	1.0
0.9201	3.0	276	1.2538	0.7	0.8235	0.7	1.0
1.2834	4.0	368	1.4504	0.7	0.8235	0.7	1.0
0.6816	5.0	460	1.5083	0.7	0.8235	0.7	1.0
0.679	6.0	552	1.5801	0.7	0.8235	0.7	1.0
0.7355	7.0	644	1.5833	0.7	0.8235	0.7	1.0
0.4686	8.0	736	1.5327	0.7	0.8235	0.7	1.0
0.4904	9.0	828	1.4804	0.7	0.8235	0.7	1.0

Framework versions

Transformers 4.48.3
Pytorch 2.3.0+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

Нельзя запустить

Для архитектуры longt5 нет загрузчика под задачу text-classification.

Класс архитектуры: LongT5ForSequenceClassification
Ревизия весов: 7d0b079