Характеристики

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

Ссылки

Hugging Face

xlm-roberta-base-chn-finetuned-augmentation-LUNAR

sercetexam9

Классификация текстаТекст → label3 профессии

Дообученная многоязычная XLM-RoBERTa для классификации текста.

13скачиваний 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

sercetexam9/xlm-roberta-base-chn-finetuned-augmentation-LUNAR — дообученная sercetexam9 модель FacebookAI/xlm-roberta-base для классификации текста. Она построена на архитектуре XLM-RoBERTa и содержит 305,2 млн параметров; принимает текст длиной до 514 токенов и возвращает результат классификации. В README приведены метрики на наборе оценки: F1 0,7723, ROC AUC 0,8558 и accuracy 0,6929. Назначение классов и область применения не описаны. Модель распространяется по лицензии MIT.

Сценарии применения

Классификация текстовых последовательностей
Присвоение меток тексту в многоязычных NLP-системах
Оценка текста как часть прикладного классификационного конвейера

Ограничения

README не раскрывает набор классов, датасет, целевую область или предполагаемые сценарии использования; метрики приведены без подробностей протокола оценки.

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.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей 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

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

xlm-roberta-base-chn-finetuned-augmentation-LUNAR

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

Loss: 0.2528
F1: 0.7723
Roc Auc: 0.8558
Accuracy: 0.6929

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
0.2672	1.0	315	0.2663	0.3994	0.6673	0.5099
0.2127	2.0	630	0.2110	0.5656	0.7471	0.5998
0.1861	3.0	945	0.2008	0.5724	0.7511	0.6158
0.1409	4.0	1260	0.1933	0.6684	0.7884	0.6460
0.0937	5.0	1575	0.1901	0.7184	0.8288	0.6738
0.0778	6.0	1890	0.1895	0.7253	0.8187	0.6866
0.0552	7.0	2205	0.2191	0.7197	0.8435	0.6587
0.0435	8.0	2520	0.2388	0.7405	0.8634	0.6643
0.0395	9.0	2835	0.2352	0.7569	0.8469	0.6770
0.0273	10.0	3150	0.2401	0.7563	0.8553	0.6993
0.0317	11.0	3465	0.2485	0.7465	0.8527	0.6866
0.0134	12.0	3780	0.2528	0.7723	0.8558	0.6929
0.0106	13.0	4095	0.2822	0.7220	0.8386	0.6603
0.0107	14.0	4410	0.2685	0.7536	0.8451	0.6881
0.01	15.0	4725	0.2655	0.7583	0.8467	0.6993
0.0056	16.0	5040	0.2748	0.7618	0.8531	0.6993

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: 053b2da