Характеристики

Контекст: 512 токенов
Параметры: 152 млн
Лицензия: MIT
Архитектура: bert · dense
Базовая модель: bert-base-romanian-cased-v1
Библиотека: transformers
Опубликована: 16 окт 2024

Ссылки

Hugging Face

teacher_sst2

mateiaassAI

Классификация текстаТекст → label3 профессии

Дообученная румынская модель BERT для классификации текста.

12скачиваний за 30 дней0лайковвеса обновлены16 окт 2024

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

mateiaassAI/teacher_sst2 — дообученная для классификации текста модель на базе румынского BERT dumitrescustefan/bert-base-romanian-cased-v1. Она использует архитектуру BERT с классификационной головой; размер составляет 151,6 млн параметров, контекст — до 512 токенов. Модель предназначена для отнесения текстов к классам, однако README не раскрывает набор меток и конкретный сценарий классификации.

В карточке указаны результаты оценки: F1 0,8648, ROC AUC 0,8646 и точность 0,8635. Данные обучения не названы, поэтому эти показатели не позволяют судить о качестве на конкретной прикладной задаче. Модель распространяется под лицензией MIT.

Сценарии применения

классификация румынских текстов по заданным меткам
оценка тональности румынских высказываний
автоматическая категоризация коротких сообщений

Ограничения

README не указывает набор меток, обучающие данные или целевое применение, поэтому результаты оценки нельзя уверенно переносить на конкретный сценарий. Максимальная длина контекста — 512 токенов.

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 III.2Корпоративные функцииИсследование рынка и маркетингAI помогает понимать рынок, создавать коммуникации и улучшать эффективность маркетинга.22 задачи8 594модели I.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

teacher_sst2

This model is a fine-tuned version of dumitrescustefan/bert-base-romanian-cased-v1 on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.5451
F1: 0.8648
Roc Auc: 0.8646
Accuracy: 0.8635

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: 64
eval_batch_size: 64
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 8

Training results

Training Loss	Epoch	Step	Validation Loss	F1	Roc Auc	Accuracy
0.3669	1.0	1053	0.4399	0.8248	0.8238	0.8211
0.2433	2.0	2106	0.4043	0.8457	0.8458	0.8417
0.1811	3.0	3159	0.4268	0.8625	0.8622	0.8612
0.1373	4.0	4212	0.4359	0.8537	0.8545	0.8521
0.1157	5.0	5265	0.4812	0.8681	0.8684	0.8681
0.0949	6.0	6318	0.5003	0.8607	0.8604	0.8601
0.0774	7.0	7371	0.5142	0.8643	0.8641	0.8624
0.0713	8.0	8424	0.5451	0.8648	0.8646	0.8635

Framework versions

Transformers 4.45.1
Pytorch 2.4.0
Datasets 3.0.1
Tokenizers 0.20.0

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: BertForSequenceClassification
Ревизия весов: ff259d6