/ Модель

Характеристики

Контекст
514 токенов
Параметры
659 млн
Лицензия
MIT
Архитектура
xlm-roberta · dense
Базовая модель
xlm-roberta-large
Библиотека
transformers
Опубликована
14 июл 2026

high-analytical-value-v1

Классификация текстаТекст → label

Классификатор ShareCreative отбирает посты в соцсетях, содержащие самостоятельные и конкретные мнения или опыт потребителей.

27скачиваний за 30 дней0лайковвеса обновлены8 окт 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

Это бинарный классификатор публикаций в социальных сетях на основе XLM-RoBERTa Large, дообученный ShareCreative для оценки их аналитической ценности. Он относит пост к HAV, если тот выражает конкретное мнение, чувство или опыт человека о продукте, бренде, категории либо концепции и может служить самостоятельной цитатой; остальные публикации относит к LAV. Классификатор предназначен для отбора содержательных потребительских высказываний в материалах мониторинга соцсетей и исследовательских выборках.

Модель содержит 658,7 млн параметров, использует архитектуру XLM-RoBERTa для классификации последовательностей и принимает текст. Контекстная длина по метаданным — 514 токенов, однако тексты длиннее 256 токенов обрезались и при обучении. README сообщает о 14 982 размеченных постах из нескольких категорий и платформ; метрики оценки получены с помощью пятифолдовой кросс-валидации. При пороге 0,5 F1 для HAV составляет 0,822, а порог 0,873 повышает точность HAV, но снижает полноту. Обучающие метки создавались LLM-разметчиком по заданной рубрике, поэтому модель может воспроизводить его ошибки. Лицензия — MIT.

Сценарии применения

  • отбор цитируемых отзывов о брендах из соцсетей
  • фильтрация постов с личным опытом о продуктах
  • подготовка выборки потребительских мнений для исследования
  • отделение содержательных публикаций от спама и общих фраз

Ограничения

Модель обрезает входы длиннее 256 токенов; она обучена на постах и метках, созданных LLM-разметчиком, и может наследовать ошибки этой разметки. README приводит результаты кросс-валидации, которые не гарантируют аналогичное качество на других данных.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

HAV classifier (xlm-roberta-large)

Binary classifier for social media posts: HAV (High Analytical Value) vs LAV (Low Analytical Value). Fine-tuned from FacebookAI/xlm-roberta-large.

A post is HAV if a researcher could quote it on its own as a genuine example of a person's feeling, opinion or experience about a product, brand, category or concept, and it is specific enough to stand alone. It is LAV if it isn't a genuine consumer voice (help/how-to, promotion or spam, noise, off-topic) or can't be used on its own (a conversation fragment, or a generic one-liner). Any sentiment can be HAV.

Texts longer than 256 tokens are truncated, as they were in training. With a threshold of 0.5 this is the same as taking the most likely label, so pipeline('text-classification', model=repo) gives the same labels.

Training data

Social media posts from social-listening exports, spanning several brands, product categories and platforms. Categories include: Beauty, Beverages, Tech, Clothing, Personal Finance, Fitness, etcPlatforms include: Instagram, Reddit, Twitter, Facebook, Youtube, TikTok, etc. 14,982 labelled posts (41% HAV).

Labels were produced by an LLM labeller (claude-sonnet-5-5) following a written rubric built around the question "Could a researcher quote this on its own as a real example of a person's feeling, opinion or experience about a topic?". The model therefore learns the labeller's judgement, including its mistakes. Training data was pre-cleaned from spam and posts too short or long.

Training procedure

Full fine-tuning of FacebookAI/xlm-roberta-large with a linear classification head and cross-entropy loss (Hugging Face Trainer), max sequence length 256, seed 42.

hyperparametervalue
learning_rate1.12e-05
num_epochs3
batch_size16
weight_decay0.01
warmup_ratio0.06
lr_schedulerlinear
class_weightNone
label_smoothing0.0

Evaluation

5-fold cross-validation over all 14,982 labelled posts. Each post is scored by a fold model that did not train on it; numbers are the mean ± SD across the 5 folds. The released model is trained on all 14,982 posts with the same settings, so these numbers estimate its performance.

metric0.500 (chosen)0.873 (tuned)
HAV precision0.802 ± 0.0170.860 ± 0.013
HAV recall0.843 ± 0.0130.750 ± 0.004
HAV F10.822 ± 0.0030.801 ± 0.004
HAV F0.50.809 ± 0.0110.836 ± 0.009
LAV precision0.885 ± 0.0060.838 ± 0.001
LAV recall0.852 ± 0.0180.914 ± 0.009
accuracy0.848 ± 0.0060.846 ± 0.004
macro F10.845 ± 0.0050.838 ± 0.004
ROC AUC0.931 ± 0.0040.931 ± 0.004
average precision0.899 ± 0.0060.899 ± 0.006
flagged HAV %43.636.1

The threshold tuned on out-of-sample predictions (highest HAV precision with HAV recall ≥ 0.75) was 0.873. It was judged too conservative on real-world data, so 0.5 is published instead. Both are shown in the evaluation table.

Versions

The previous model in this repo is kept under the tag modernbert-base-v1. Load it with from_pretrained("sharecreative/high-analytical-value-v1", revision="modernbert-base-v1"). It uses its own threshold, as described in its own README at that tag.

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
5ddddc3

0 моделей