/ Модель

Характеристики

Контекст
512 токенов
Параметры
534 млн
Архитектура
deberta-v2 · dense
Библиотека
transformers
Опубликована
18 мар 2025

deberta-v3-large-generation-similarity

Классификация текстаТекст → label3 профессии

Модель на базе DeBERTa-v3-large для классификации текстовых последовательностей, обозначенная названием как предназначенная для оценки сходства сгенерированного текста.

4 956скачиваний за 30 дней0лайковвеса обновлены18 мар 2025

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 модель классификации текстовых последовательностей на базе DeBERTa-v3-large, опубликованная пользователем yimingzhang на Hugging Face. По названию она предназначена для оценки сходства сгенерированного текста, однако карточка модели не описывает эту задачу и не раскрывает обучающие данные или схему меток.

Архитектура — DeBERTa-v2 для классификации последовательностей; размер составляет около 533,8 млн параметров, максимальная длина входа — 512 токенов. Модель использует текстовый ввод и выдаёт результаты классификации. В конфигурации указан базовый путь microsoft/deberta-v3-large.

Карточка не сообщает сведения о лицензии и не подтверждает языковой охват. Использование возможно через Transformers; качество для конкретных данных и сценариев карточкой не установлено.

Сценарии применения

  • классификация текстовых последовательностей
  • оценка сходства сгенерированного текста
  • сравнение текста с заданными классами

Ограничения

Карточка не содержит описания обучающей выборки, классов и результатов оценки, поэтому пригодность для оценки сходства сгенерированного текста нельзя подтвердить. Лицензия и языковой охват не указаны в доступных сведениях.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Card for Model ID

Model Details

Model Description

This is the model card of a 🤗 transformers model that has been pushed on the Hub. This model card has been automatically generated.

  • Developed by: [More Information Needed]
  • Funded by [optional]: [More Information Needed]
  • Shared by [optional]: [More Information Needed]
  • Model type: [More Information Needed]
  • Language(s) (NLP): [More Information Needed]
  • License: [More Information Needed]
  • Finetuned from model [optional]: [More Information Needed]

Model Sources [optional]

  • Repository: [More Information Needed]
  • Paper [optional]: [More Information Needed]
  • Demo [optional]: [More Information Needed]

Uses

Direct Use

[More Information Needed]

Downstream Use [optional]

[More Information Needed]

Out-of-Scope Use

[More Information Needed]

Bias, Risks, and Limitations

[More Information Needed]

Recommendations

Users (both direct and downstream) should be made aware of the risks, biases and limitations of the model. More information needed for further recommendations.

How to Get Started with the Model

Use the code below to get started with the model.

[More Information Needed]

Training Details

Training Data

[More Information Needed]

Training Procedure

Preprocessing [optional]

[More Information Needed]

Training Hyperparameters

  • Training regime: [More Information Needed]

Speeds, Sizes, Times [optional]

[More Information Needed]

Evaluation

Testing Data, Factors & Metrics

Testing Data

[More Information Needed]

Factors

[More Information Needed]

Metrics

[More Information Needed]

Results

[More Information Needed]

Summary

Model Examination [optional]

[More Information Needed]

Environmental Impact

Carbon emissions can be estimated using the Machine Learning Impact calculator presented in Lacoste et al. (2019).

  • Hardware Type: [More Information Needed]
  • Hours used: [More Information Needed]
  • Cloud Provider: [More Information Needed]
  • Compute Region: [More Information Needed]
  • Carbon Emitted: [More Information Needed]

Technical Specifications [optional]

Model Architecture and Objective

[More Information Needed]

Compute Infrastructure

[More Information Needed]

Hardware

[More Information Needed]

Software

[More Information Needed]

Citation [optional]

BibTeX:

[More Information Needed]

APA:

[More Information Needed]

Glossary [optional]

[More Information Needed]

More Information [optional]

[More Information Needed]

Model Card Authors [optional]

[More Information Needed]

Model Card Contact

[More Information Needed]

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
DebertaV2ForSequenceClassification
Ревизия весов
4e11444

0 моделей