/ Модель

Характеристики

Контекст
514 токенов
Параметры
659 млн
Лицензия
MIT
Архитектура
xlm-roberta · dense
Базовая модель
xlm-roberta-large
Опубликована
12 июн 2024

xlmrBERTa_ASE_BIES

Разметка токеновТекст → label

Дообученная XLM-RoBERTa Large для классификации токенов в текстовых последовательностях.

8скачиваний за 30 дней0лайковвеса обновлены13 июн 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

Модель khadija69/xlmrBERTa_ASE_BIES — дообученная версия XLM-RoBERTa Large для классификации токенов. Она предназначена для задач разметки последовательностей, например присвоения меток отдельным токенам текста. Модель содержит 658,7 млн параметров, принимает текст и поддерживает контекст до 514 токенов. В репозитории указаны веса в формате TensorFlow; лицензия — MIT.

В README приведены результаты пяти эпох обучения: точность на обучающей выборке составила 0,6443, на валидационной — 0,5905; данные и целевая схема разметки не описаны. Поэтому конкретное назначение меток и пригодность модели для практического применения определить нельзя.

Сценарии применения

  • присвоение меток токенам в тексте
  • разметка последовательностей для извлечения сущностей
  • эксперименты с классификацией токенов на собственных данных

Ограничения

Назначение меток, обучающий датасет и поддерживаемые языки не описаны. В README указана валидационная точность 0,5905, поэтому качество может быть ограниченным.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

khadija69/xlmrBERTa_ASE_BIES

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

  • Train Loss: 0.4962
  • Train Accuracy: 0.6443
  • Validation Loss: 0.7691
  • Validation Accuracy: 0.5905
  • Epoch: 5

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:

  • optimizer: {'name': 'AdamWeightDecay', 'learning_rate': {'module': 'transformers.optimization_tf', 'class_name': 'WarmUp', 'config': {'initial_learning_rate': 2e-05, 'decay_schedule_fn': {'module': 'keras.optimizers.schedules', 'class_name': 'PolynomialDecay', 'config': {'initial_learning_rate': 2e-05, 'decay_steps': 1900, 'end_learning_rate': 0.0, 'power': 1.0, 'cycle': False, 'name': None}, 'registered_name': None}, 'warmup_steps': 500, 'power': 1.0, 'name': None}, 'registered_name': 'WarmUp'}, 'decay': 0.0, 'beta_1': 0.9, 'beta_2': 0.999, 'epsilon': 1e-08, 'amsgrad': False, 'weight_decay_rate': 0.01}
  • training_precision: float32

Training results

Train LossTrain AccuracyValidation LossValidation AccuracyEpoch
1.26280.41970.87340.55280
0.85730.54720.81010.56521
0.73420.57470.75800.57212
0.65170.59850.75480.58373
0.57080.62570.76690.58654
0.49620.64430.76910.59055

Framework versions

  • Transformers 4.41.2
  • TensorFlow 2.15.0
  • Datasets 2.19.2
  • Tokenizers 0.19.1

Как запустить

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

GPU в ailist

Универсальный рантайм · token-classification

Нельзя запустить

В репозитории нет весов в формате PyTorch/safetensors.

Класс архитектуры
XLMRobertaForTokenClassification
Ревизия весов
b533f44

0 моделей