Характеристики

Контекст: 514 токенов
Параметры: 95,2 млн
Лицензия: Apache 2.0
Архитектура: roberta · dense
Базовая модель: distilroberta-base
Библиотека: transformers
Опубликована: 3 авг 2026

Ссылки

Hugging Face

trainer_output

xekrishna

Классификация и разметкаТекст → label3 профессии

Дообученная на distilroberta-base модель для выбора ответа в заданиях с несколькими вариантами.

8скачиваний за 30 дней0лайковвеса обновлены3 авг 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

trainer_output — дообученная модель на архитектуре RoBERTa, разработанная на основе distilroberta-base. Она предназначена для выбора правильного варианта ответа в задачах с несколькими вариантами, например в тестах и викторинах. Модель содержит 95,2 млн параметров, принимает текст и имеет контекстное окно до 514 токенов.

Модель доступна в формате safetensors и распространяется по лицензии Apache-2.0. Карточка не описывает обучающий набор данных, качество на оценочных выборках и конкретные ограничения, поэтому пригодность для предметных задач следует проверять отдельно.

Сценарии применения

выбор правильного ответа в тестах с вариантами
ответы на вопросы викторин с вариантами
автоматическая оценка заданий формата multiple choice

Ограничения

В карточке не приведены сведения об обучающих данных и результатах оценки; качество на конкретных наборах заданий не установлено.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей I.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

trainer_output

This model is a fine-tuned version of distilroberta-base on the None dataset.

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: 8
eval_batch_size: 16
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
num_epochs: 20
mixed_precision_training: Native AMP

Training results

Framework versions

Transformers 5.0.0
Pytorch 2.10.0+cu128
Datasets 4.8.5
Tokenizers 0.22.2

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · multiple-choice

Можно запустить

Подбираем GPU…

Класс архитектуры: RobertaForMultipleChoice
Ревизия весов: 465fb7d