Характеристики
- Контекст
- 514 токенов
- Параметры
- 454 млн
- Лицензия
- Apache 2.0
- Архитектура
- roberta · dense
- Опубликована
- 10 июл 2026
Ссылки
fls-roberta
FLS-RoBERTa классифицирует английские предложения из финансовых и корпоративных текстов как прогнозные или непрогнозные заявления.
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
FLS-RoBERTa — модель классификации текста на основе RoBERTa Large, разработанная для выявления прогнозных заявлений (Forward-Looking Statements, FLS) в финансовых и корпоративных материалах. Она дообучена на предложениях из отчетов 10-K, 10-Q и 8-K, стенограмм звонков о финансовых результатах, CSR-отчетов, ESG- и финансовых новостей, размеченных как прогнозные или непрогнозные. Для каждого входного фрагмента модель возвращает оценки двух классов: FLS и Non-FLS.
Модель предназначена для анализа финансовой отчетности, новостей и корпоративных публикаций, в том числе для отбора предложений о будущих результатах и планах компании. Архитектура — RoBERTa Large с классификационной головой; размер составляет 454,1 млн параметров, а контекст — до 514 токенов. Поддерживаемый язык — английский. Лицензия — Apache-2.0.
Модель специализируется на финансовых прогнозных заявлениях и может хуже работать на текстах за пределами этой области. Она классифицирует текст на уровне предложения и не предназначена для генерации текста или полноформатного анализа документов.
Сценарии применения
- поиск прогнозов будущей выручки в финансовой отчетности
- выделение прогнозных заявлений в стенограммах звонков о финансовых результатах
- классификация предложений в финансовых новостях
- анализ прогнозных формулировок в ESG- и CSR-отчетах
Ограничения
Модель ориентирована на английские финансовые и корпоративные тексты и классифицирует предложения только по двум меткам: FLS и Non-FLS. Для текстов за пределами обучающей области её точность может быть ниже.
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · text-classification
Подбираем GPU…
- Класс архитектуры
- RobertaForSequenceClassification
- Ревизия весов
- aebefd6