Характеристики

Контекст: 514 токенов
Параметры: 305 млн
Лицензия: MIT
Архитектура: xlm-roberta · dense
Базовая модель: afro-xlmr-base
Библиотека: transformers
Опубликована: 28 янв 2025

Ссылки

Hugging Face

afro-xlmr-base-afr-finetuned-augmentation-LUNAR

sercetexam9

Классификация текстаТекст → label3 профессии

Дообученная на базе AfroXLMR модель XLM-RoBERTa для классификации текстов, ориентированная на африканские языки.

13скачиваний за 30 дней0лайковвеса обновлены28 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

afro-xlmr-base-afr-finetuned-augmentation-LUNAR — модель классификации последовательностей, дообученная на основе Davlan/afro-xlmr-base. Она предназначена для присвоения тексту одной или нескольких категорий; конкретные категории и прикладной сценарий в карточке не описаны. Модель построена на архитектуре XLM-RoBERTa, содержит 305,2 млн параметров и рассчитана на контекст до 514 токенов. Базовая модель ориентирована на тексты на африканских языках.

В карточке приведены результаты оценки: loss 0,2755, F1 0,5012, ROC AUC 0,6931 и accuracy 0,6908; без сведений о наборе данных, разбиении и методике оценки эти числа трудно интерпретировать. Модель выпущена под лицензией MIT.

Сценарии применения

Классификация текстов на африканских языках
Присвоение категорий коротким текстам
Оценка классов текстовых последовательностей

Ограничения

В README не указаны целевые классы, обучающий датасет и конкретные сценарии применения. Приведённые метрики нельзя надёжно оценить без описания набора данных и методики проверки.

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

afro-xlmr-base-afr-finetuned-augmentation-LUNAR

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

Loss: 0.2755
F1: 0.5012
Roc Auc: 0.6931
Accuracy: 0.6908

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: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: cosine
lr_scheduler_warmup_steps: 100
num_epochs: 20

Training results

Training Loss	Epoch	Step	Validation Loss	F1	Roc Auc	Accuracy
0.4289	1.0	76	0.3283	0.0	0.5	0.3520
0.3509	2.0	152	0.3160	0.1005	0.5277	0.4836
0.2864	3.0	228	0.2631	0.2532	0.5927	0.5855
0.2383	4.0	304	0.2411	0.2210	0.5799	0.5559
0.1902	5.0	380	0.2632	0.2619	0.5909	0.5921
0.1545	6.0	456	0.2466	0.3297	0.6281	0.6612
0.1408	7.0	532	0.2407	0.3469	0.6253	0.6447
0.1087	8.0	608	0.2463	0.3989	0.6645	0.6809
0.0743	9.0	684	0.2497	0.4086	0.6561	0.6711
0.0832	10.0	760	0.2581	0.4063	0.6516	0.6908
0.0599	11.0	836	0.2583	0.4992	0.6911	0.7007
0.0553	12.0	912	0.2755	0.5012	0.6931	0.6908
0.0497	13.0	988	0.2741	0.4253	0.6688	0.6809
0.029	14.0	1064	0.2864	0.4033	0.6529	0.6776
0.0349	15.0	1140	0.3034	0.4742	0.6808	0.6776
0.0249	16.0	1216	0.2889	0.4089	0.6608	0.6678

Framework versions

Transformers 4.45.1
Pytorch 2.4.0
Datasets 3.0.1
Tokenizers 0.20.0

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: XLMRobertaForSequenceClassification
Ревизия весов: a94a084