hastika-task-b-xlmr-base-trainval
XLM-R для разметки целей hate-комментариев на Kanglish
1 min readupdated
Это файнтюн xlm-roberta-base от Ganesh-Nadkarni для Task B shared task HASTIKA @ ICON-2026: модель определяет целевую категорию hate-комментариев в Kannada-English code-mixed комментариях на YouTube. 0,28 млрд параметров, задача text-classification, библиотека transformers. Карточка подчёркивает исследовательское назначение и ограничения небольшого датасета.
Ключевые особенности
- 6 классов: Gender, Geo-political, Others, Political, Religion, Violence.
- Обучение на объединённых train и validation файлах HASTIKA, стратифицированное деление 88/12.
- Macro-F1 — 0,579 на случайных 12% объединённых данных; чистой валидационной оценки нет.
- Небольшая выборка: возможны ошибки на диалектах, сарказме, реклейме и вариантах транслитерации.
- Для research use: помогать модераторам, а не заменять их.
Пример
from transformers import pipeline
clf = pipeline("text-classification", model="Ganesh-Nadkarni/hastika-task-b-xlmr-base-trainval")
print(clf("your Kanglish comment here"))
Подробнее
Macro-F1 — 0,579 на held-out 12% после объединения train и validation; чистой валидационной оценки нет.Обучение: max length 160, batch size 16, mixed precision, early stopping по macro-F1, lr 1e-5, class-weighted loss без oversampling.
Чекпоинт не входил в официальную заявку shared task; датасет не включён, условия HASTIKA нужно проверять отдельно.
Ограничения: небольшая выборка, возможны ошибки на диалектах, сарказме, реклейме и невиданных транслитерациях. Только research use.










Comments