Дообученная XLM-RoBERTa модель для распознавания пяти эмоциональных состояний в дневниковых записях на английском, филиппинском и Taglish.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
DiariCore Mood Classifier — модель lproject012125 для классификации эмоций в дневниковых записях на английском, филиппинском и Taglish. Она дообучена на базе XLM-RoBERTa-base и использует классификационную голову с Dropout, Linear, LayerNorm и GELU; модель различает пять классов: злость, тревогу, радость, нейтральное состояние и грусть.
Модель предназначена для определения эмоциональной окраски коротких личных записей. В README упомянуты Focal Loss, сглаживание меток, усреднение весов SWA, дифференциальная скорость обучения и гибридный слой ключевых слов. Метаданные указывают 305,2 млн параметров, контекст до 514 токенов и наличие весов PyTorch и ONNX. Лицензия в предоставленных данных не указана.
Модель ориентирована на дневниковые записи и пять заданных эмоциональных классов; качество на других жанрах и языках не описано. Контекст ограничен 514 токенами.
README от автора на Hugging Face, как он его опубликовал
XLM-RoBERTa-base fine-tuned for 5-class emotion detection on English, Filipino, and Taglish diary entries.
Classes: angry, anxious, happy, neutral, sad
Architecture: XLM-RoBERTa-base + custom classification head (Dropout → Linear → LayerNorm → GELU → Dropout → Linear)
Training: Focal Loss + Label Smoothing, SWA, Differential LR, Keyword hybrid layer
See the DiariCore notebook for full inference code including calibration multipliers and keyword assist layer.
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · fill-mask
Подбираем GPU…