Характеристики

Контекст: 514 токенов
Параметры: 138 млн
Архитектура: roberta · dense
Базовая модель: roberta-base
Библиотека: transformers
Опубликована: 22 июл 2026

Ссылки

Hugging Face

roberta-base-klue-ynat

kopzoo

Классификация текстаТекст → label3 профессии

Дообученная корейская RoBERTa для классификации текстов по категориям.

16скачиваний за 30 дней0лайковвеса обновлены22 июл 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

kopzoo/roberta-base-klue-ynat — дообученная модель RoBERTa для классификации текстов. Она основана на klue/roberta-base, корейской модели для понимания текста, и содержит 137,8 млн параметров. Модель предназначена для присвоения тексту категории; README указывает качество Accuracy 0,67 на оценочной выборке, но набор данных и категории не описаны.

Модель принимает текст и выдаёт метку класса. Максимальная длина контекста составляет 514 токенов. Веса опубликованы в формате safetensors; используется библиотека Transformers. Лицензия в доступных данных не указана.

Сценарии применения

классификация корейских текстов
определение категории короткого корейского сообщения
автоматическая разметка корейских текстов по классам

Ограничения

README не раскрывает обучающий набор данных и категории классов; на оценочной выборке указана Accuracy 0,67. Контекст ограничен 514 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 I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель 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

roberta-base-klue-ynat

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

Loss: 0.9446
Accuracy: 0.67

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: 16
eval_batch_size: 16
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

Training results

Framework versions

Transformers 5.14.1
Pytorch 2.13.0+cpu
Datasets 5.0.0
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: ba0efd7