Характеристики

Контекст: 514 токенов
Параметры: 152 млн
Лицензия: MIT
Архитектура: roberta · dense
Базовая модель: roberta-base
Библиотека: transformers
Опубликована: 20 ноя 2025

Ссылки

Hugging Face

roberta-base-tqacd

rendchevi

Классификация текстаТекст → label3 профессии

Дообученная RoBERTa для классификации текстовых последовательностей.

11скачиваний за 30 дней0лайковвеса обновлены21 ноя 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

rendchevi/roberta-base-tqacd — дообученная модель классификации последовательностей на базе FacebookAI/roberta-base, разработанная пользователем rendchevi. Число параметров — 151,8 млн; модель использует архитектуру RoBERTa и принимает текст длиной до 514 токенов. Репозиторий содержит веса в формате safetensors и распространяется по лицензии MIT.

Модель предназначена для классификации текста. В README приведены результаты оценки: F1 Macro 0,2528, точность 0,2683, полнота 0,2648 и accuracy 0,3515. Эти показатели указывают на ограниченное качество на указанном наборе оценки. Датасет обозначен как None, поэтому область применения и метки классов по доступным сведениям определить нельзя.

Сценарии применения

Классификация текстовых последовательностей
Эксперименты с дообучением RoBERTa для классификации
Оценка качества классификатора на собственном наборе данных

Ограничения

Показатели на указанном наборе оценки невысокие: F1 Macro 0,2528 и accuracy 0,3515. README не описывает набор данных и классы, поэтому применимость к конкретной задаче неясна.

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 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 II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

roberta-base-tqacd

This model is a fine-tuned version of FacebookAI/roberta-base on the None dataset. It achieves the following results on the evaluation set:

Loss: 2.7467
F1 Macro: 0.2528
Precision: 0.2683
Recall: 0.2648
Accuracy: 0.3515

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: 32
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
lr_scheduler_warmup_ratio: 0.1
num_epochs: 20
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	F1 Macro	Precision	Recall	Accuracy
No log	1.0	114	2.3961	0.0436	0.0603	0.1103	0.1584
No log	2.0	228	2.3381	0.1234	0.1119	0.1476	0.3564
No log	3.0	342	2.1873	0.2052	0.3773	0.2457	0.2673
No log	4.0	456	2.2524	0.1800	0.2231	0.2043	0.3267
2.241	5.0	570	2.2141	0.2128	0.2340	0.2494	0.3218
2.241	6.0	684	2.3365	0.2238	0.2480	0.2391	0.2822
2.241	7.0	798	2.4779	0.2805	0.3501	0.2756	0.3713
2.241	8.0	912	2.5194	0.2518	0.2908	0.2667	0.3416
0.9793	9.0	1026	2.7467	0.2528	0.2683	0.2648	0.3515

Framework versions

Transformers 4.57.1
Pytorch 2.8.0+cu128
Datasets 4.4.1
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: RobertaForSequenceClassification
Ревизия весов: 74559f8