/ Модель

Характеристики

Контекст
514 токенов
Параметры
95,2 млн
Лицензия
Apache 2.0
Архитектура
roberta · dense
Базовая модель
nli-MiniLM2-L6-H768
Библиотека
transformers
Опубликована
20 авг 2026

nli-MiniLM2-L6-H768-answerable-or-not-augmented

Классификация текстаТекст → label5 профессий

Англоязычная модель на базе MiniLM классифицирует, можно ли ответить на вопрос.

17скачиваний за 30 дней0лайковвеса обновлены21 авг 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

leomaurodesenv/nli-MiniLM2-L6-H768-answerable-or-not-augmented — англоязычная модель классификации последовательностей на базе cross-encoder/nli-MiniLM2-L6-H768, дообученная для определения, является ли вопрос отвечаемым. Она подходит для предварительной фильтрации вопросов и отбора тех, на которые система может подготовить ответ.

Модель построена на архитектуре RoBERTa и содержит 95,2 млн параметров; максимальный контекст — 514 токенов. В README указаны accuracy 0,8943 и loss 0,2847 на оценочной выборке, однако состав датасета и подробности оценки не описаны. Модель распространяется в формате safetensors по лицензии Apache-2.0.

Сценарии применения

  • отбор отвечаемых вопросов перед генерацией ответа
  • фильтрация пользовательских вопросов в системе вопросов и ответов
  • проверка отвечаемости вопросов перед поиском по документам

Ограничения

Данные обучения не описаны, поэтому качество на других типах вопросов не установлено. Приведённые метрики относятся к оценочной выборке, подробности которой не указаны.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

nli-MiniLM2-L6-H768-answerable-or-not-augmented

This model is a fine-tuned version of cross-encoder/nli-MiniLM2-L6-H768 on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 0.2847
  • Accuracy: 0.8943

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: 8
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Use adamw_torch_fused with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 50
  • num_epochs: 10

Training results

Training LossEpochStepValidation LossAccuracy
0.35941.013670.33410.8771
0.27772.027340.28610.8954
0.19273.041010.29300.9195
0.16804.054680.32550.9228
0.10065.068350.36630.9202

Framework versions

  • Transformers 5.2.0
  • Pytorch 2.10.0+cu128
  • Datasets 4.5.0
  • 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
01b26ac

0 моделей