/ Модель
Каталог

Характеристики

Контекст
131 072 токена
Параметры
316 млн
Лицензия
Своя лицензия
Архитектура
ernie4_5 · dense
Базовая модель
ERNIE-4.5-0.3B-PT
Библиотека
transformers
Опубликована
22 дек 2025

Ссылки

Hugging Face

ernie-4-5-0.3B-finance-sft

mhtccc
Генерация текстаТекст → текст3 профессии

Дообученная компактная ERNIE 4.5 для генерации текста и диалогов, ориентированная на анализ настроений в финансовых данных.

430скачиваний за 30 дней1лайквеса обновлены22 дек 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

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

mhtccc/ernie-4-5-0.3B-finance-sft — текстовая плотная авторегрессионная модель семейства ERNIE 4.5, дообученная разработчиком на датасете finance_sentiment. Она предназначена для генерации текста и диалогов, в частности для задач анализа финансовых настроений. Модель содержит 316,1 млн параметров, поддерживает контекст до 131 072 токенов и работает с текстом; метаданные указывают библиотеку Transformers и возможность диалога. В README приведено значение loss 0,4226 на оценочной выборке.

Модель основана на baidu/ERNIE-4.5-0.3B-PT. Карточка не описывает точные метрики классификации тональности, языки датасета или ограничения применения. Лицензия указана как other, поэтому условия использования следует сверить с лицензиями базовой модели и самого репозитория.

Сценарии применения

  • Определение тональности финансовых текстов
  • Анализ настроений в финансовых сообщениях
  • Генерация ответов в диалогах о финансовых текстах

Ограничения

В README не приведены подробные метрики качества, языки обучающих данных или описание известных ограничений; указан только loss 0,4226 на оценочной выборке. Лицензия обозначена как other, поэтому условия использования нужно уточнять по карточке и базовой модели.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
IV.2Отраслевые задачиБанки, платежи и инвестицииAI помогает управлять финансовым риском, платежами, инвестиционным анализом и обслуживанием клиентов.37 задач1 723моделиII.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделейII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

finance-sentiment

This model is a fine-tuned version of D:/code/LLaMA-Factory/0.my_code/process/ernie-sentiment-init on the finance_sentiment dataset. It achieves the following results on the evaluation set:

  • Loss: 0.4226

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: 4
  • eval_batch_size: 4
  • 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: cosine
  • lr_scheduler_warmup_ratio: 0.1
  • lr_scheduler_warmup_steps: 50
  • num_epochs: 5

Training results

Training LossEpochStepValidation Loss
0.55180.12500.5404
0.60250.25000.5480
0.61250.37500.5375
0.54240.410000.5382
0.53930.512500.5357
0.50910.615000.5414
0.54250.717500.5335
0.49420.820000.5646
0.56870.922500.5381
0.54621.025000.5609
0.50481.127500.4820
0.50251.230000.4848
0.48231.332500.4895
0.49141.435000.4482
0.40511.537500.4579
0.39311.640000.4225
0.38651.742500.4917
0.6251.845000.4107
0.38821.947500.4676
0.27622.050000.4387
0.41322.152500.4282
0.5272.255000.4122
0.41962.357500.3563
0.32632.460000.3680
0.3542.562500.3632
0.43712.665000.3458
0.36132.767500.3582
0.32232.870000.3965
0.45912.972500.3279
0.46073.075000.3537
0.11423.177500.3854
0.43353.280000.3537
0.47763.382500.4166
0.34463.485000.3924
0.09183.587500.4337
0.37863.690000.4035
0.39453.792500.3965
0.19893.895000.4014
0.30323.997500.3335
0.28824.0100000.3608
0.36394.1102500.4448
0.2834.2105000.4376
0.27594.3107500.4415
0.49244.4110000.4275
0.36814.5112500.4300
0.28624.6115000.4283
0.24234.7117500.4243
0.09044.8120000.4217
0.27664.9122500.4226
0.34085.0125000.4226

Framework versions

  • Transformers 4.57.3
  • Pytorch 2.7.1+cu126
  • Datasets 4.0.0
  • Tokenizers 0.22.1

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Ernie4_5ForCausalLM
Ревизия весов
e537448

0 моделей

    Создать бенчмарк