/ Модель

Характеристики

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

afro-xlmr-base-finetuned-augmentation-som-finetuned-augmentation-LUNAR

Классификация текстаТекст → label

Дообученная AfroXLMR-модель для классификации текстов, настроенная на задачу с меткой SOM.

10скачиваний за 30 дней0лайковвеса обновлены30 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

Это дообученная модель XLM-RoBERTa для классификации текстов, созданная на основе sercetexam9/afro-xlmr-base-finetuned-augmentation. В карточке указана настройка на SOM; конкретное назначение классов и используемый набор данных не описаны.

Модель содержит 305,2 млн параметров, принимает текст и выдаёт результат классификации. Длина контекста — 514 токенов. В README приведены метрики на оценочной выборке: F1 0,6955, ROC AUC 0,8146 и accuracy 0,7259. Лицензия — MIT.

Сценарии применения

  • Классификация текстов в рамках задачи SOM
  • Оценка принадлежности текста к одному из классов SOM
  • Построение прототипа классификатора на базе AfroXLMR

Ограничения

Карточка не объясняет смысл метки SOM, классы и обучающий набор данных. На оценочной выборке указаны F1 0,6955 и accuracy 0,7259; переносимость на другие данные не описана.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

afro-xlmr-base-finetuned-augmentation-som-finetuned-augmentation-LUNAR

This model is a fine-tuned version of sercetexam9/afro-xlmr-base-finetuned-augmentation on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.1727
  • F1: 0.6955
  • Roc Auc: 0.8146
  • Accuracy: 0.7259

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
0.11961.02830.17270.69550.81460.7259
0.09932.05660.19390.66480.79660.7020
0.06683.08490.21480.59400.75590.6950
0.064.011320.21500.65460.80400.7029
0.05855.014150.22850.63140.77700.7003

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
1a02c20

0 моделей