Характеристики

Контекст: 514 токенов
Параметры: 152 млн
Лицензия: MIT
Архитектура: roberta · dense
Опубликована: 28 ноя 2022

Ссылки

Hugging Face

edos-2023-baseline-roberta-base-label_sexist

lct-rug-2022

Классификация текстаТекст → label3 профессии

Дообученная RoBERTa-base для классификации текста с целью выявления сексистских высказываний.

187скачиваний за 30 дней0лайковвеса обновлены30 ноя 2022

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 edos-2023-baseline-roberta-base-label_sexist — дообученная версия RoBERTa-base для классификации текста. В README приведён результат оценки на тестовой выборке: F1 0,8048 и loss 0,4729. Назначение по названию модели — выявление сексистских высказываний; подробности о метках и обучающем наборе данных в карточке отсутствуют. Модель содержит 151,8 млн параметров, принимает текст с контекстом до 514 токенов и распространяется под лицензией MIT.

Сценарии применения

выявление сексистских высказываний в тексте
модерация пользовательских комментариев на предмет сексизма
анализ текстов для исследований языка и гендерных предубеждений

Ограничения

В README не описаны обучающий набор данных, схема меток и intended uses; приведена только оценка F1 0,8048. 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 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 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

edos-2023-baseline-roberta-base-label_sexist

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

Loss: 0.4729
F1: 0.8048

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: 1e-05
train_batch_size: 32
eval_batch_size: 32
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
lr_scheduler_warmup_steps: 5
num_epochs: 8
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	F1
0.4114	1.14	400	0.3516	0.7954
0.2725	2.29	800	0.4086	0.7925
0.2134	3.43	1200	0.4404	0.8062
0.1632	4.57	1600	0.4729	0.8048

Framework versions

Transformers 4.24.0
Pytorch 1.12.1+cu113
Datasets 2.7.1
Tokenizers 0.13.2

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: RobertaForSequenceClassification
Ревизия весов: 845c7d1