Характеристики

Контекст: 514 токенов
Параметры: 659 млн
Лицензия: MIT
Архитектура: xlm-roberta · dense
Базовая модель: xlm-roberta-large-finetuned-amharic
Библиотека: transformers
Опубликована: 6 янв 2025

Ссылки

Hugging Face

cs221-xlm-roberta-large-finetuned-amharic-amh-finetuned-10-epochs

sercetexam9

Классификация текстаТекст → label3 профессии

Дообученная XLM-RoBERTa Large для классификации текста на базе амхарской модели Davlan.

13скачиваний за 30 дней0лайковвеса обновлены6 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 модель XLM-RoBERTa Large, дообученная sercetexam9 на базе Davlan/xlm-roberta-large-finetuned-amharic для классификации текста. Репозиторий указывает обучение в течение 10 эпох на наборе данных, название которого не приведено. Модель содержит 658,7 млн параметров, использует архитектуру XLMRobertaForSequenceClassification и принимает последовательности длиной до 514 токенов.

В README приведены результаты оценки: F1 — 0,7601, ROC AUC — 0,8433, accuracy — 0,5357 и loss — 0,3308. Конкретные классы, область применения и языки целевой задачи не описаны; базовая модель предназначена для текстов на амхарском. Лицензия — MIT.

Сценарии применения

Классификация коротких текстов на амхарском языке
Оценка тональности текста на амхарском при совпадении целевых классов
Эксперименты с классификацией текста на базе XLM-RoBERTa

Ограничения

README не уточняет набор данных, целевые классы и intended use, поэтому применимость метрик к конкретной задаче неясна. Accuracy на оценочном наборе составляет 0,5357; длина последовательности ограничена 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.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

cs221-xlm-roberta-large-finetuned-amharic-amh-finetuned-10-epochs

This model is a fine-tuned version of Davlan/xlm-roberta-large-finetuned-amharic on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.3308
F1: 0.7601
Roc Auc: 0.8433
Accuracy: 0.5357

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: 32
eval_batch_size: 32
seed: 42
optimizer: Use adamw_torch with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: cosine
lr_scheduler_warmup_steps: 100
num_epochs: 10

Training results

Training Loss	Epoch	Step	Validation Loss	F1	Roc Auc	Accuracy
0.4459	1.0	74	0.3879	0.5666	0.7092	0.2517
0.2993	2.0	148	0.2981	0.7242	0.8187	0.4677
0.2464	3.0	222	0.2667	0.7340	0.8157	0.5085
0.2048	4.0	296	0.2851	0.7442	0.8234	0.5340
0.1636	5.0	370	0.2793	0.7599	0.8411	0.5357
0.1079	6.0	444	0.3041	0.7557	0.8394	0.5153
0.0878	7.0	518	0.3138	0.7491	0.8343	0.5221
0.0725	8.0	592	0.3308	0.7601	0.8433	0.5357
0.0559	9.0	666	0.3371	0.7557	0.8385	0.5340
0.0573	10.0	740	0.3383	0.7546	0.8384	0.5289

Framework versions

Transformers 4.47.1
Pytorch 2.5.1+cu121
Datasets 3.2.0
Tokenizers 0.21.0

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: cba48a4