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

afro-xlmr-base-amh-finetuned-augmentation-LUNAR

Классификация текстаТекст → label3 профессии

Дообученная XLM-RoBERTa-модель для классификации текстов, основанная на AfroXLMR-base и ориентированная, судя по названию, на амхарский язык.

11скачиваний 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

Модель sercetexam9/afro-xlmr-base-amh-finetuned-augmentation-LUNAR — дообученная версия Davlan/afro-xlmr-base для классификации текста. Она построена на архитектуре XLM-RoBERTa, содержит около 305,2 млн параметров и принимает последовательности длиной до 514 токенов. Базовая модель предназначена для работы с африканскими языками; название чекпойнта указывает на амхарский язык, однако карточка не описывает набор меток и обучающие данные.

Модель подходит для задач классификации текстовых последовательностей. В README приведены результаты оценки: F1 0,718, ROC AUC 0,8216, точность 0,5711 и loss 0,3598; без сведений о датасете и метриках эти показатели нельзя уверенно переносить на другие данные. Лицензия — MIT.

Сценарии применения

Классификация амхарских текстов по заданным категориям
Присвоение меток текстовым последовательностям
Оценка принадлежности текста к одному из классов

Ограничения

В карточке не описаны датасет, классы и предполагаемая область применения; опубликованные метрики нельзя интерпретировать без этих сведений. Контекст ограничен 514 токенами.

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

afro-xlmr-base-amh-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: 0.3598
F1: 0.7180
Roc Auc: 0.8216
Accuracy: 0.5711

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
0.3732	1.0	238	0.3390	0.3871	0.6361	0.3741
0.3078	2.0	476	0.2957	0.4993	0.6893	0.4573
0.255	3.0	714	0.3038	0.4991	0.6918	0.4489
0.2146	4.0	952	0.2743	0.5751	0.7355	0.4889
0.1812	5.0	1190	0.2834	0.5907	0.7533	0.4932
0.1566	6.0	1428	0.2816	0.6564	0.7837	0.5153
0.1454	7.0	1666	0.2748	0.6717	0.7939	0.5427
0.1151	8.0	1904	0.2930	0.6693	0.8009	0.5469
0.0807	9.0	2142	0.3085	0.6799	0.7997	0.5458
0.0643	10.0	2380	0.3011	0.6978	0.8078	0.5574
0.0626	11.0	2618	0.3296	0.6945	0.8138	0.5522
0.0461	12.0	2856	0.3366	0.6896	0.8001	0.5564
0.0342	13.0	3094	0.3503	0.6893	0.8178	0.5522
0.0301	14.0	3332	0.3453	0.7036	0.8136	0.5669
0.0209	15.0	3570	0.3575	0.7135	0.8176	0.5680
0.0171	16.0	3808	0.3632	0.7042	0.8158	0.5616
0.017	17.0	4046	0.3598	0.7180	0.8216	0.5711
0.0223	18.0	4284	0.3610	0.7065	0.8170	0.5701
0.0207	19.0	4522	0.3622	0.7153	0.8212	0.5680
0.0179	20.0	4760	0.3629	0.7117	0.8213	0.5669

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: be9919c