Характеристики

Контекст: 514 токенов
Параметры: 138 млн
Архитектура: roberta · dense
Базовая модель: roberta-base
Библиотека: transformers
Опубликована: 1 июн 2026

Ссылки

Hugging Face

klue-roberta-base-nli-stage2

serize

Классификация текстаТекст → label3 профессии

Дообученная корейская RoBERTa-модель для классификации текста.

21скачиваний за 30 дней0лайковвеса обновлены1 июн 2026

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

serize/klue-roberta-base-nli-stage2 — модель на основе корейской RoBERTa, дообученная авторами репозитория для классификации текста. Она содержит 137,8 млн параметров и рассчитана на обработку последовательностей длиной до 514 токенов. Карточка сообщает о точности 0,86 и значении loss 0,5985 на наборе оценки, но не раскрывает назначение меток и состав данных.

Модель подходит для классификации корейского текста в задачах, близких к обучающей выборке. Она представлена в формате safetensors и использует библиотеку Transformers. Лицензия в доступных данных не указана.

Сценарии применения

классификация корейских текстовых последовательностей
оценка тональности корейских текстов при совпадении с обучающими метками
классификация коротких корейских фрагментов длиной до 514 токенов

Ограничения

Карточка не описывает метки, обучающий набор и предполагаемую область применения, поэтому качество для конкретных классов задач не установлено. Контекст ограничен 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

klue-roberta-base-nli-stage2

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

Loss: 0.5985
Accuracy: 0.86

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: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
lr_scheduler_warmup_steps: 0.1
num_epochs: 3

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.4494	1.0	1563	0.4498	0.838
0.2826	2.0	3126	0.5092	0.8473
0.1520	3.0	4689	0.5985	0.86

Framework versions

Transformers 5.0.0
Pytorch 2.11.0+cu128
Datasets 4.0.0
Tokenizers 0.22.2

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: RobertaForSequenceClassification
Ревизия весов: 44a8e05