Характеристики

Контекст: 258 токенов
Параметры: 162 млн
Лицензия: AGPL 3.0
Архитектура: roberta · dense
Базовая модель: phobert-base-v2
Библиотека: transformers
Опубликована: 8 июл 2026

Ссылки

hybrid_lexical_hosting_64_15_v5_8_7_2026

Языковая модель

Дообученный вьетнамский RoBERTa-энкодер на базе PhoBERT-base-v2 с классом HybridFeaturesDomain и опубликованными метриками оценки.

6скачиваний за 30 дней0лайковвеса обновлены8 июл 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 дообученная модель на базе PhoBERT-base-v2 от разработчика ttqdunggg. В репозитории указана архитектура RoBERTa с классом HybridFeaturesDomain, 162,4 млн параметров и контекстом до 258 токенов. Весы доступны в формате safetensors, библиотека для работы с моделью — Transformers.

В README приведены результаты оценки: accuracy 0,9017 и F1 0,9024 при loss 0,2308. Назначение класса HybridFeaturesDomain и конкретные сценарии применения в карточке не раскрыты, поэтому специализацию модели можно определить лишь ограниченно. PhoBERT-base-v2 рассчитана на обработку вьетнамского языка; лицензия модели — AGPL-3.0.

Сценарии применения

Классификация текстов на вьетнамском языке
Извлечение признаков из вьетнамского текста

Ограничения

README не поясняет назначение класса HybridFeaturesDomain и не описывает обучающую выборку или ограничения применения. Контекст модели ограничен 258 токенами.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

hybrid_lexical_hosting_64_15_v5_8_7_2026

This model is a fine-tuned version of vinai/phobert-base-v2 on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.2308
Accuracy: 0.9017
F1: 0.9024

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: 128
eval_batch_size: 128
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: 865
num_epochs: 15

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy	F1
No log	1.0	345	0.2005	0.8655	0.8665
0.2274	2.0	690	0.1840	0.8833	0.8837
0.2274	3.0	1035	0.1690	0.9020	0.9013
0.1639	4.0	1380	0.1622	0.9008	0.9019
0.1639	5.0	1725	0.1623	0.9027	0.9031
0.1267	6.0	2070	0.1671	0.9081	0.9085
0.1267	7.0	2415	0.1669	0.9084	0.9087
0.1026	8.0	2760	0.1850	0.9049	0.9055
0.1026	9.0	3105	0.2107	0.9060	0.9068
0.0852	10.0	3450	0.2308	0.9017	0.9024

Framework versions

Transformers 4.57.1
Pytorch 2.10.0+cu128
Datasets 3.0.1
Tokenizers 0.22.1

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

У модели не указана задача.

Класс архитектуры: HybridFeaturesDomain
Ревизия весов: f8c6eac