/ Модель

Характеристики

Контекст
132 токена
Параметры
17,1 млн
Лицензия
MIT
Архитектура
roberta · dense
Базовая модель
roberta-base
Библиотека
transformers
Опубликована
1 дек 2025

afrisenti-original-scratch_scratch

Классификация текстаТекст → label3 профессии

Дообученная RoBERTa для классификации текста, оценённая на неописанном наборе данных.

224скачиваний за 30 дней0лайковвеса обновлены2 дек 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

afrisenti-original-scratch_scratch — модель классификации текста на архитектуре RoBERTa, дообученная автором на неизвестном наборе данных. Она предназначена для присвоения тексту меток; название модели указывает на возможную связь с анализом тональности африканских языков, однако README не подтверждает языки или набор меток. Модель содержит 17,1 млн параметров, использует библиотеку Transformers и принимает последовательности длиной до 132 токенов.

На оценочном наборе указаны Accuracy 0,6538 и Macro F1 0,6547. Эти результаты относятся к набору, состав и метки которого не описаны, поэтому их нельзя напрямую переносить на другие данные. Модель распространяется по лицензии MIT.

Сценарии применения

  • классификация коротких текстовых сообщений
  • эксперименты с классификацией текста на основе RoBERTa
  • оценка качества модели на собственных размеченных данных

Ограничения

Датасет, языки и схема меток не описаны; указанные метрики получены на неуточнённом оценочном наборе и не гарантируют качество на других данных. Контекст ограничен 132 токенами.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

afrisenti-original-scratch_scratch

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

  • Loss: 1.1224
  • Accuracy: 0.6538
  • F1 Macro: 0.6547
  • Composite Score: 0.6440

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: 32
  • eval_batch_size: 32
  • 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
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 20
  • mixed_precision_training: Native AMP
  • label_smoothing_factor: 0.1

Training results

Training LossEpochStepValidation LossAccuracyF1 MacroComposite Score
No log1.03331.08570.34200.18790.1606
1.09062.06660.99280.53130.51030.5069
1.09063.09990.91740.58630.58330.5833
0.94284.013320.97780.60600.60260.6026
0.74195.016651.03140.60410.60120.6012
0.74196.019981.05330.62220.62290.6216
0.62887.023311.08850.62750.62950.6226
0.55118.026641.06110.65500.65630.6559
0.55119.029971.09310.65570.65540.6498
0.489910.033301.13060.65010.64920.6362
0.452111.036631.12240.65380.65470.6440

Framework versions

  • Transformers 4.53.3
  • Pytorch 2.6.0+cu124
  • Datasets 4.4.1
  • 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
04628e1

0 моделей