Характеристики

Контекст: 8 192 токена
Параметры: 395 млн
Лицензия: Apache 2.0
Архитектура: modernbert · dense
Базовая модель: ModernBERT-large
Библиотека: transformers
Опубликована: 5 окт 2025

Ссылки

Hugging Face

modernbert-large-clinc

praoduan

Классификация текстаТекст → label3 профессии

Дообученный ModernBERT-large для классификации текста, оценённый с accuracy 0,9548.

115скачиваний за 30 дней0лайковвеса обновлены26 окт 2025

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

praoduan/modernbert-large-clinc — дообученная модель answerdotai/ModernBERT-large для классификации текста. В карточке приведены результаты оценки: accuracy 0,9548 и loss 0,1978; описание задачи, набора данных и ограничений не раскрыто. Модель построена на архитектуре ModernBERT с 394,7 млн параметров, принимает текст и поддерживает контекст до 8192 токенов. Базовая модель описана как англоязычный двунаправленный энкодер; поэтому основным языком модели является английский. Репозиторий содержит веса Safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0.

Сценарии применения

классификация текстовых запросов по категориям
определение класса для коротких пользовательских фраз
классификация длинных текстов в пределах контекста модели

Ограничения

Назначение классов, обучающий набор данных и результаты по отдельным классам в карточке не описаны, поэтому пригодность для конкретной таксономии не подтверждена. Приведённая оценка относится только к указанному набору оценки.

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 I.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022модели 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

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

modernbert-large-clinc

This model is a fine-tuned version of answerdotai/ModernBERT-large on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.1978
Accuracy: 0.9548

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: 16
eval_batch_size: 16
seed: 42
optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
num_epochs: 3
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.334	1.0	438	0.3234	0.9184
0.0504	2.0	876	0.2282	0.9458
0.0013	3.0	1314	0.1978	0.9548

Framework versions

Transformers 4.57.1
Pytorch 2.8.0+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 · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: ModernBertForSequenceClassification
Ревизия весов: ff8ee95