Характеристики

Контекст: 514 токенов
Параметры: 305 млн
Лицензия: MIT
Архитектура: xlm-roberta · dense
Базовая модель: afro-xlmr-base
Библиотека: transformers
Опубликована: 29 янв 2025

Ссылки

afro-xlmr-base-finetuned-augmentation

Классификация текстаТекст → label

Дообученная XLM-RoBERTa-модель для классификации текстов, основанная на AfroXLMR-base и ориентированная на африканские языки.

9скачиваний за 30 дней0лайковвеса обновлены29 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-finetuned-augmentation — модель классификации текста, дообученная sercetexam9 на основе Davlan/afro-xlmr-base. Она построена на архитектуре XLM-RoBERTa и содержит 305,2 млн параметров; принимает текст и возвращает результат классификации. Базовая модель предназначена для многоязычной работы с африканскими языками. Максимальный родной контекст — 514 токенов.

Модель подходит для задач классификации текстов на языках, представленных в обучении, однако README не уточняет набор меток, датасет и целевые сценарии. На указанном наборе оценки приведены Loss 0,3150, F1 0,4562, ROC AUC 0,6873 и Accuracy 0,5316; без описания данных и протокола оценки эти результаты трудно переносить на другие задачи. Лицензия — MIT.

Сценарии применения

Классификация текстов на африканских языках
Автоматическая категоризация коротких сообщений
Экспериментальная оценка классов текста на отложенной выборке

Ограничения

README не сообщает датасет, метки классов и предполагаемые сценарии; приведённые оценки умеренные и не сопровождаются контекстом, позволяющим судить о переносимости. Контекст ограничен 514 токенами.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

afro-xlmr-base-finetuned-augmentation

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: 0.3150
F1: 0.4562
Roc Auc: 0.6873
Accuracy: 0.5316

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
0.3329	1.0	198	0.3191	0.0	0.5	0.3939
0.2856	2.0	396	0.2775	0.2481	0.6027	0.4874
0.255	3.0	594	0.2676	0.2843	0.6146	0.5076
0.2259	4.0	792	0.2701	0.3125	0.6277	0.5227
0.1698	5.0	990	0.2734	0.3600	0.6396	0.5303
0.1543	6.0	1188	0.2924	0.3801	0.6487	0.5278
0.1171	7.0	1386	0.2982	0.3969	0.6589	0.5379
0.1093	8.0	1584	0.3115	0.4478	0.6848	0.5202
0.0934	9.0	1782	0.3150	0.4562	0.6873	0.5316
0.0791	10.0	1980	0.3377	0.4285	0.6796	0.5189
0.0594	11.0	2178	0.3463	0.4420	0.6746	0.5379
0.0571	12.0	2376	0.3617	0.4504	0.6866	0.5366
0.0412	13.0	2574	0.3723	0.4357	0.6780	0.5328

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: 3a11335