Дообученная BERT-модель для классификации текстовых последовательностей по меткам.
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
rss9051/autotrein-BERT-iiLEX-dgs-0004 — дообученная модель классификации текстовых последовательностей, созданная с помощью AutoTrain на основе rss9051/autotrein-BERT-iiLEX-dgs-0003. Она использует архитектуру BERT и содержит 136,1 млн параметров; максимальная длина входной последовательности — 512 токенов.
Модель предназначена для отнесения текста к меткам классов. В карточке приведены метрики валидации: точность 0,661 и макроусреднённая F1-мера 0,576. Названия классов, обучающий набор данных и конкретная предметная область не указаны, поэтому пригодность для отдельного сценария следует проверять на собственных данных. Файлы модели представлены в формате safetensors; лицензия в предоставленных данных не указана.
Названия меток и предметная область не указаны. Метрики валидации умеренные, поэтому качество на целевых данных следует оценить отдельно.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
loss: 1.5718337297439575
f1_macro: 0.5764297665936106
f1_micro: 0.6607142857142857
f1_weighted: 0.6685474450942381
precision_macro: 0.5781369792997699
precision_micro: 0.6607142857142857
precision_weighted: 0.6808154556545336
recall_macro: 0.5778714544420972
recall_micro: 0.6607142857142857
recall_weighted: 0.6607142857142857
accuracy: 0.6607142857142857
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · text-classification
Подбираем GPU…