Характеристики

Контекст: 514 токенов
Параметры: 659 млн
Лицензия: MIT
Архитектура: xlm-roberta · dense
Базовая модель: xlm-roberta-large
Опубликована: 31 окт 2023

Ссылки

Hugging Face

xlmr-large-nli-indoindo

jalaluddin94

Классификация текстаТекст → label3 профессии

Дообученная XLM-RoBERTa Large для классификации текста, с заявленными результатами оценки на неизвестном наборе данных.

11скачиваний за 30 дней0лайковвеса обновлены31 окт 2023

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

jalaluddin94/xlmr-large-nli-indoindo — модель классификации текста на базе XLM-RoBERTa Large, дообученная разработчиком на неизвестном наборе данных. Она содержит 658,7 млн параметров, принимает текстовые последовательности длиной до 514 токенов и предназначена для классификации текста.

На оценочном наборе указаны accuracy, precision и recall 0,8584, а F1 — 0,8585. Название репозитория указывает на NLI и индонезийский язык, однако карточка не уточняет обучающие данные, метки классов и сценарии использования, поэтому эти детали нельзя подтвердить. Модель распространяется по лицензии MIT.

Сценарии применения

классификация индонезийских текстов
классификация текстовых последовательностей
эксперименты с распознаванием текстовых классов

Ограничения

Обучающий набор данных, классы и конкретные сценарии применения не описаны; приведённые метрики относятся к неуточнённому оценочному набору.

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

xlmr-large-nli-indoindo

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

Loss: 1.3131
Accuracy: 0.8584
Precision: 0.8584
Recall: 0.8584
F1 Score: 0.8585

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: 3e-06
train_batch_size: 1
eval_batch_size: 1
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
lr_scheduler_warmup_ratio: 0.1
num_epochs: 6

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy	Precision	Recall	F1 Score
1.449	1.0	10330	1.2228	0.7838	0.7838	0.7838	0.7810
1.2575	2.0	20660	1.1182	0.8257	0.8257	0.8257	0.8273
0.8123	3.0	30990	1.1538	0.8489	0.8489	0.8489	0.8488
0.6541	4.0	41320	1.1288	0.8562	0.8562	0.8562	0.8558
0.3653	5.0	51650	1.2424	0.8543	0.8543	0.8543	0.8544
0.3436	6.0	61980	1.3131	0.8584	0.8584	0.8584	0.8585

Framework versions

Transformers 4.33.0
Pytorch 2.0.0
Datasets 2.1.0
Tokenizers 0.13.3

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: XLMRobertaForSequenceClassification
Ревизия весов: c89ca3f