Дообученная BERT-модель для классификации текстов с контекстом до 512 токенов.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
ulisesbravo/autotrain-BERTimbau-DGS-0001 — модель классификации текста, обученная с помощью AutoTrain. По архитектуре это BERT-модель для классификации последовательностей с 136,1 млн параметров и контекстом до 512 токенов. В README приведены метрики на валидационной выборке: accuracy 0,736, macro-F1 0,714 и weighted-F1 0,740.
Модель принимает текст и присваивает ему класс. Она дообучена на базе ulisesbravo/autotrain-p3-7h82s-lsn5g; формат весов — safetensors. Данные не уточняют набор классов, язык текстов или лицензию, поэтому область применения и условия распространения по этой карточке определить нельзя.
Набор классов и язык обучающих данных не описаны. Валидационные метрики составляют около 0,74 accuracy и 0,71 macro-F1; лицензия в предоставленных данных не указана.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
loss: 0.6962918639183044
f1_macro: 0.7142159044545825
f1_micro: 0.736318407960199
f1_weighted: 0.7399492975019566
precision_macro: 0.765838445893003
precision_micro: 0.736318407960199
precision_weighted: 0.7638876905463182
recall_macro: 0.6933098024577505
recall_micro: 0.736318407960199
recall_weighted: 0.736318407960199
accuracy: 0.736318407960199
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · text-classification
Подбираем GPU…