Характеристики

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

Ссылки

Hugging Face

afro-xlmr-base-sun-finetuned-augmentation-LUNAR

sercetexam9

Классификация текстаТекст → label

Дообученная XLM-RoBERTa для классификации текста с контекстом до 514 токенов.

9скачиваний 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

sercetexam9/afro-xlmr-base-sun-finetuned-augmentation-LUNAR — модель классификации текста, дообученная на базе Davlan/afro-xlmr-base. Она использует архитектуру XLM-RoBERTa для отнесения текстов к классам. В карточке приведены результаты оценки: F1 0,3987, ROC AUC 0,6273, точность 0,5156 и loss 0,3556; набор данных указан как None.

Модель содержит 305,2 млн параметров, работает с текстом и поддерживает контекст до 514 токенов. Базовая AfroXLMR предназначена для многоязычных текстов, в частности африканских языков, однако языки и целевые классы этой версии в карточке не уточнены. Лицензия — MIT.

Сценарии применения

классификация текстов по заданным категориям
получение меток для текстовых записей
оценка вероятности принадлежности текста к классу

Ограничения

В карточке не описаны обучающие данные, целевые классы и языки этой версии; приведённые метрики указывают на умеренное качество на указанном оценочном наборе. Длина контекста ограничена 514 токенами.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

afro-xlmr-base-sun-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: 0.3556
F1: 0.3987
Roc Auc: 0.6273
Accuracy: 0.5156

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
0.6264	1.0	57	0.4136	0.1420	0.5	0.5067
0.382	2.0	114	0.3981	0.1420	0.5	0.5067
0.4333	3.0	171	0.3526	0.2407	0.5539	0.5244
0.3472	4.0	228	0.3299	0.2767	0.5946	0.5511
0.325	5.0	285	0.3186	0.2669	0.6007	0.5156
0.3188	6.0	342	0.3278	0.2681	0.5975	0.5289
0.2909	7.0	399	0.3446	0.2675	0.5809	0.5422
0.2579	8.0	456	0.3238	0.2935	0.6150	0.5289
0.2779	9.0	513	0.3341	0.2891	0.6043	0.52
0.2547	10.0	570	0.3615	0.3142	0.5980	0.52
0.2266	11.0	627	0.3394	0.3499	0.6212	0.5289
0.2258	12.0	684	0.3587	0.3515	0.6061	0.5022
0.2159	13.0	741	0.3402	0.3677	0.6297	0.5333
0.2163	14.0	798	0.3485	0.3678	0.6198	0.4978
0.2007	15.0	855	0.3556	0.3987	0.6273	0.5156
0.1955	16.0	912	0.3552	0.3724	0.6195	0.5022
0.1806	17.0	969	0.3619	0.3744	0.6195	0.5111
0.189	18.0	1026	0.3559	0.3850	0.6227	0.4889
0.1837	19.0	1083	0.3561	0.3868	0.6241	0.4933

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: d6cf473