Характеристики

Параметры: 435 млн
Лицензия: MIT
Архитектура: xlnet · dense
Базовая модель: xlnet-large-cased
Библиотека: transformers
Опубликована: 23 янв 2025

Ссылки

Hugging Face

UIT-xlnet-large-cased-finetuned

sercetexam9

Классификация текстаТекст → label3 профессии

Дообученная на базе XLNet large модель для классификации текста.

17скачиваний за 30 дней0лайковвеса обновлены23 янв 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

UIT-xlnet-large-cased-finetuned — дообученная модель классификации текста на основе xlnet/xlnet-large-cased. В метаданных указана архитектура XLNetForSequenceClassification и 435,4 млн параметров; веса сохранены в формате safetensors. Модель предназначена для присвоения текстам классов, однако описание не сообщает, какие именно категории она распознаёт и для какого набора данных обучалась.

В карточке приведены результаты оценки: F1 — 0,7191, ROC AUC — 0,7866, точность — 0,4765, loss — 0,7544. Языковая специализация и конкретная область применения не описаны; базовая модель XLNet large англоязычная. Лицензия модели — MIT.

Сценарии применения

Присвоение текстам классов в соответствии с обученной разметкой
Оценка текстовых примеров в задачах классификации
Использование как основы для экспериментов с классификацией текста

Ограничения

В README не указаны набор данных, классы и целевая область применения. Указанная точность составляет 0,4765, поэтому пригодность модели следует оценивать на целевых данных.

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

UIT-xlnet-large-cased-finetuned

This model is a fine-tuned version of xlnet/xlnet-large-cased on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.7544
F1: 0.7191
Roc Auc: 0.7866
Accuracy: 0.4765

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 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_steps: 100
num_epochs: 20

Training results

Training Loss	Epoch	Step	Validation Loss	F1	Roc Auc	Accuracy
0.6047	1.0	139	0.5968	0.1435	0.5	0.1300
0.551	2.0	278	0.5818	0.1393	0.4981	0.1318
0.549	3.0	417	0.5342	0.3274	0.5764	0.1931
0.4438	4.0	556	0.5083	0.4820	0.6362	0.3105
0.3647	5.0	695	0.4219	0.6477	0.7325	0.4043
0.3083	6.0	834	0.4281	0.6663	0.7489	0.4079
0.2307	7.0	973	0.4171	0.6962	0.7756	0.4404
0.1962	8.0	1112	0.4786	0.6985	0.7706	0.4242
0.1404	9.0	1251	0.5594	0.6960	0.7769	0.4152
0.0739	10.0	1390	0.5989	0.7033	0.7768	0.4567
0.0604	11.0	1529	0.6251	0.7028	0.7758	0.4603
0.0357	12.0	1668	0.6687	0.7077	0.7822	0.4531
0.0198	13.0	1807	0.7097	0.6973	0.7701	0.4422
0.0339	14.0	1946	0.7104	0.6992	0.7732	0.4531
0.0228	15.0	2085	0.7339	0.7150	0.7842	0.4765
0.0147	16.0	2224	0.7418	0.6941	0.7734	0.4711
0.0078	17.0	2363	0.7514	0.7130	0.7833	0.4765
0.0069	18.0	2502	0.7544	0.7191	0.7866	0.4765
0.0067	19.0	2641	0.7570	0.7146	0.7845	0.4693
0.005	20.0	2780	0.7579	0.7134	0.7834	0.4729

Framework versions

Transformers 4.48.1
Pytorch 2.4.0
Datasets 3.0.1
Tokenizers 0.21.0

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: XLNetForSequenceClassification
Ревизия весов: 3657b51