Характеристики

Контекст: 514 токенов
Параметры: 454 млн
Лицензия: MIT
Архитектура: roberta · dense
Базовая модель: roberta-large
Опубликована: 2 сен 2024

Ссылки

Hugging Face

implicit-motives-achievement-roberta-large

theharmonylab

Классификация текстаТекст → label3 профессии

Англоязычная модель на базе RoBERTa-large классифицирует текст по признакам мотива достижения.

96скачиваний за 30 дней0лайковвеса обновлены2 сен 2024

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

Модель theharmonylab/implicit-motives-achievement-roberta-large — дообученная версия FacebookAI/roberta-large для классификации текста. Она обучена на наборе GLUE SCHONE_ACH, связанном с выявлением мотива достижения, и предназначена для определения соответствующего класса по тексту. В README приведены результаты оценки: loss 0,0846 и ROC AUC 0,9888.

Модель содержит 454,1 млн параметров, использует архитектуру RoBERTa для классификации последовательностей и принимает текстовые входные данные. Родной контекст составляет 514 токенов; указанный язык — английский. Репозиторий содержит веса в формате safetensors и распространяется по лицензии MIT. README не описывает подробности разметки и ограничения применения, поэтому метрики следует соотносить с указанным оценочным набором.

Сценарии применения

классификация текста по наличию мотива достижения
оценка проявления мотива достижения в высказываниях
анализ англоязычных текстов на психологические мотивы

Ограничения

README не раскрывает схему классов, обучающие данные и ограничения применения. Приведённые метрики относятся к указанной оценочной выборке и не гарантируют качество на других текстах.

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 IV.5Отраслевые задачиОбразование и развитие навыковAI помогает персонализировать обучение и снижать административную нагрузку на преподавателей.34 задачи6 641модель IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

final

This model is a fine-tuned version of roberta-large on the GLUE SCHONE_ACH dataset. It achieves the following results on the evaluation set:

Loss: 0.0846
Roc Auc: 0.9888

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: 1e-05
train_batch_size: 128
eval_batch_size: 256
seed: 42
gradient_accumulation_steps: 2
total_train_batch_size: 256
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 5.0

Training results

Training Loss	Epoch	Step	Validation Loss	Roc Auc
0.185	0.9985	332	0.1574	0.9583
0.1607	2.0	665	0.1283	0.9730
0.1357	2.9985	997	0.1071	0.9818
0.1214	4.0	1330	0.0978	0.9870
0.1011	4.9925	1660	0.0846	0.9888

Framework versions

Transformers 4.44.0.dev0
Pytorch 2.0.1+cu118
Datasets 2.20.0
Tokenizers 0.19.1

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: RobertaForSequenceClassification
Ревизия весов: 97fb653