Характеристики

Контекст: 514 токенов
Параметры: 305 млн
Лицензия: MIT
Архитектура: xlm-roberta · dense
Базовая модель: xlm-roberta-base
Опубликована: 16 янв 2024

Ссылки

Hugging Face

xlm-roberta-base-qqp-100

tmnam20

Классификация текстаТекст → label6 профессий

Дообученная XLM-RoBERTa Base для классификации пар вопросов и выявления похожих или дублирующих вопросов.

18скачиваний за 30 дней0лайковвеса обновлены16 янв 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

tmnam20/xlm-roberta-base-qqp-100 — модель классификации текстовых пар, созданная дообучением XLM-RoBERTa Base на наборе tmnam20/VieGLUE/QQP. Она предназначена для определения связи между двумя вопросами, например для выявления дубликатов и поиска похожих вопросов. Модель использует архитектуру XLM-RoBERTa для классификации последовательностей, содержит 305,2 млн параметров и принимает текст; заявленная длина контекста — 514 токенов.

В README приведены результаты на оценочной выборке: accuracy 0,8946 и F1 0,8587. Репозиторий распространяется под лицензией MIT. Карточка не уточняет поддерживаемые языки и ограничения применения; метаданные указывают английский язык, но обучающий набор называется VieGLUE, поэтому язык модели определён не вполне однозначно.

Сценарии применения

поиск дублирующихся вопросов
определение, задают ли два вопроса одно и то же
классификация пар вопросов
поиск похожих вопросов в базе знаний

Ограничения

README не описывает ограничения применения и подробности оценки; приведённые метрики относятся только к указанной оценочной выборке. Хотя базовая архитектура многоязычная, карточка модели указывает английский язык, а пригодность для других языков не подтверждена.

Для каких профессий подходит6

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 I.1Универсальные способностиПоиск и навигация по информацииAI помогает находить нужные сведения и помогать человеку быстро переходить от вопроса к подтверждённому источнику.18 задач13 467моделей III.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модель I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

xlm-roberta-base-qqp-100

This model is a fine-tuned version of xlm-roberta-base on the tmnam20/VieGLUE/QQP dataset. It achieves the following results on the evaluation set:

Loss: 0.2785
Accuracy: 0.8946
F1: 0.8587
Combined Score: 0.8767

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: 32
eval_batch_size: 16
seed: 100
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 3.0

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy	F1	Combined Score
0.3304	0.44	5000	0.3286	0.8591	0.8046	0.8318
0.2856	0.88	10000	0.2910	0.8744	0.8273	0.8509
0.2795	1.32	15000	0.2818	0.8808	0.8413	0.8610
0.2492	1.76	20000	0.2750	0.8863	0.8484	0.8674
0.2093	2.2	25000	0.2791	0.8919	0.8542	0.8730
0.2022	2.64	30000	0.2926	0.8928	0.8566	0.8747

Framework versions

Transformers 4.35.2
Pytorch 2.2.0.dev20231203+cu121
Datasets 2.15.0
Tokenizers 0.15.0

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: XLMRobertaForSequenceClassification
Ревизия весов: 37aed26