/ Модель

Характеристики

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

afro-xlmr-base-ary-finetuned-augmentation-LUNAR

Классификация текстаТекст → label3 профессии

Дообученная на основе AfroXLMR модель XLM-RoBERTa для классификации текста.

14скачиваний 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-ary-finetuned-augmentation-LUNAR — дообученная версия Davlan/afro-xlmr-base для классификации текста. Она построена на архитектуре XLM-RoBERTa и содержит 305,2 млн параметров; базовая AfroXLMR предназначена для работы с текстами на африканских языках. Заявленная задача модели — отнесение текста к классам.

В карточке приведены результаты оценки: loss 0,3039, F1 0,5359, ROC AUC 0,7304 и accuracy 0,5105. Название датасета указано как None, а сведения о целевых классах, языках дообучения и сценариях применения отсутствуют, поэтому результаты не позволяют судить о пригодности модели для конкретной предметной области. Лицензия — MIT.

Сценарии применения

  • Классификация текста по заданным классам
  • Оценка вероятности принадлежности текста к классу

Ограничения

Не описаны датасет, целевые классы и языки дообучения; приведённые метрики сами по себе не показывают пригодность для конкретного применения.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

afro-xlmr-base-ary-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: 0.3039
  • F1: 0.5359
  • Roc Auc: 0.7304
  • Accuracy: 0.5105

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 LossEpochStepValidation LossF1Roc AucAccuracy
0.39091.01080.40050.00.50.2471
0.33792.02160.35980.06170.51530.2727
0.31953.03240.31720.29510.60140.4336
0.26574.04320.30340.36160.63950.4848
0.25475.05400.28440.46710.68470.5035
0.20046.06480.29030.44050.67380.5012
0.16957.07560.28800.46870.68860.5221
0.13178.08640.30390.53590.73040.5105
0.1129.09720.30760.49460.69970.5198
0.102510.010800.30900.49870.70320.5058
0.094611.011880.31870.52020.71450.5221
0.084812.012960.33260.49900.70120.5198

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
c6d5cf5

0 моделей