Hugging Face's logo

faodl
/
model_cca_multilabel_mpnet-65max-data-augmented-v03

Text Classification
setfit
Safetensors
sentence-transformers
xlm-roberta
generated_from_setfit_trainer
Model card Files
xet
Community

SetFit with sentence-transformers/paraphrase-multilingual-mpnet-base-v2

This is a SetFit model that can be used for Text Classification. This SetFit model uses sentence-transformers/paraphrase-multilingual-mpnet-base-v2 as the Sentence Transformer embedding model. A OneVsRestClassifier instance is used for classification.

The model has been trained using an efficient few-shot learning technique that involves:

  1. Fine-tuning a Sentence Transformer with contrastive learning.
  2. Training a classification head with features from the fine-tuned Sentence Transformer.

Model Details

Model Description

Model Sources

Uses

Direct Use for Inference

First install the SetFit library:

pip install setfit

Then you can load this model and run inference.

from setfit import SetFitModel

# Download from the 🤗 Hub
model = SetFitModel.from_pretrained("faodl/model_cca_multilabel_mpnet-65max-data-augmented-v03")
# Run inference
preds = model("Financing windows will be created to de-risk early-stage bioenergy ventures, including blended finance and concessional lending.")

Training Details

Training Set Metrics

Training set Min Median Max
Word count 1 47.2721 947

Training Hyperparameters

  • batch_size: (8, 8)
  • num_epochs: (2, 2)
  • max_steps: -1
  • sampling_strategy: oversampling
  • num_iterations: 10
  • body_learning_rate: (2e-05, 2e-05)
  • head_learning_rate: 2e-05
  • loss: CosineSimilarityLoss
  • distance_metric: cosine_distance
  • margin: 0.25
  • end_to_end: False
  • use_amp: False
  • warmup_proportion: 0.1
  • l2_weight: 0.01
  • seed: 42
  • eval_max_steps: -1
  • load_best_model_at_end: False

Training Results

Epoch Step Training Loss Validation Loss
0.0001 1 0.3187 -
0.0032 50 0.2107 -
0.0065 100 0.2079 -
0.0097 150 0.2015 -
0.0130 200 0.2011 -
0.0162 250 0.1917 -
0.0194 300 0.187 -
0.0227 350 0.1892 -
0.0259 400 0.1726 -
0.0291 450 0.1776 -
0.0324 500 0.1685 -
0.0356 550 0.176 -
0.0389 600 0.1646 -
0.0421 650 0.1689 -
0.0453 700 0.1577 -
0.0486 750 0.1466 -
0.0518 800 0.1534 -
0.0551 850 0.1606 -
0.0583 900 0.149 -
0.0615 950 0.1414 -
0.0648 1000 0.1357 -
0.0680 1050 0.1483 -
0.0713 1100 0.1302 -
0.0745 1150 0.14 -
0.0777 1200 0.1479 -
0.0810 1250 0.1496 -
0.0842 1300 0.1308 -
0.0874 1350 0.1509 -
0.0907 1400 0.15 -
0.0939 1450 0.1516 -
0.0972 1500 0.1319 -
0.1004 1550 0.1349 -
0.1036 1600 0.1398 -
0.1069 1650 0.1276 -
0.1101 1700 0.1309 -
0.1134 1750 0.1408 -
0.1166 1800 0.1416 -
0.1198 1850 0.1371 -
0.1231 1900 0.1266 -
0.1263 1950 0.1257 -
0.1296 2000 0.1337 -
0.1328 2050 0.1475 -
0.1360 2100 0.1412 -
0.1393 2150 0.1412 -
0.1425 2200 0.1281 -
0.1457 2250 0.1293 -
0.1490 2300 0.1186 -
0.1522 2350 0.142 -
0.1555 2400 0.1327 -
0.1587 2450 0.1356 -
0.1619 2500 0.1357 -
0.1652 2550 0.1235 -
0.1684 2600 0.1448 -
0.1717 2650 0.1274 -
0.1749 2700 0.1138 -
0.1781 2750 0.13 -
0.1814 2800 0.1231 -
0.1846 2850 0.1258 -
0.1878 2900 0.1148 -
0.1911 2950 0.1249 -
0.1943 3000 0.1281 -
0.1976 3050 0.1239 -
0.2008 3100 0.1205 -
0.2040 3150 0.1265 -
0.2073 3200 0.1371 -
0.2105 3250 0.1285 -
0.2138 3300 0.1365 -
0.2170 3350 0.1344 -
0.2202 3400 0.1329 -
0.2235 3450 0.1393 -
0.2267 3500 0.1313 -
0.2300 3550 0.1141 -
0.2332 3600 0.1255 -
0.2364 3650 0.1239 -
0.2397 3700 0.1215 -
0.2429 3750 0.1208 -
0.2461 3800 0.1339 -
0.2494 3850 0.1298 -
0.2526 3900 0.1275 -
0.2559 3950 0.126 -
0.2591 4000 0.1106 -
0.2623 4050 0.1301 -
0.2656 4100 0.1066 -
0.2688 4150 0.1309 -
0.2721 4200 0.1205 -
0.2753 4250 0.1371 -
0.2785 4300 0.1215 -
0.2818 4350 0.1204 -
0.2850 4400 0.1183 -
0.2882 4450 0.1189 -
0.2915 4500 0.1129 -
0.2947 4550 0.115 -
0.2980 4600 0.1152 -
0.3012 4650 0.1122 -
0.3044 4700 0.1217 -
0.3077 4750 0.103 -
0.3109 4800 0.1203 -
0.3142 4850 0.1253 -
0.3174 4900 0.1123 -
0.3206 4950 0.1262 -
0.3239 5000 0.1115 -
0.3271 5050 0.1219 -
0.3304 5100 0.1185 -
0.3336 5150 0.1242 -
0.3368 5200 0.123 -
0.3401 5250 0.1055 -
0.3433 5300 0.116 -
0.3465 5350 0.1173 -
0.3498 5400 0.1116 -
0.3530 5450 0.1173 -
0.3563 5500 0.107 -
0.3595 5550 0.1052 -
0.3627 5600 0.1119 -
0.3660 5650 0.1116 -
0.3692 5700 0.1153 -
0.3725 5750 0.1039 -
0.3757 5800 0.1187 -
0.3789 5850 0.1106 -
0.3822 5900 0.111 -
0.3854 5950 0.1018 -
0.3887 6000 0.1065 -
0.3919 6050 0.1044 -
0.3951 6100 0.1037 -
0.3984 6150 0.0991 -
0.4016 6200 0.0984 -
0.4048 6250 0.1058 -
0.4081 6300 0.0954 -
0.4113 6350 0.0883 -
0.4146 6400 0.1077 -
0.4178 6450 0.1134 -
0.4210 6500 0.1079 -
0.4243 6550 0.0996 -
0.4275 6600 0.1045 -
0.4308 6650 0.1151 -
0.4340 6700 0.1062 -
0.4372 6750 0.1077 -
0.4405 6800 0.1133 -
0.4437 6850 0.1096 -
0.4469 6900 0.1017 -
0.4502 6950 0.0972 -
0.4534 7000 0.0955 -
0.4567 7050 0.0986 -
0.4599 7100 0.0942 -
0.4631 7150 0.1093 -
0.4664 7200 0.0908 -
0.4696 7250 0.1165 -
0.4729 7300 0.0979 -
0.4761 7350 0.0915 -
0.4793 7400 0.0824 -
0.4826 7450 0.0988 -
0.4858 7500 0.112 -
0.4891 7550 0.0997 -
0.4923 7600 0.1013 -
0.4955 7650 0.1119 -
0.4988 7700 0.1087 -
0.5020 7750 0.1037 -
0.5052 7800 0.0995 -
0.5085 7850 0.0913 -
0.5117 7900 0.1006 -
0.5150 7950 0.0916 -
0.5182 8000 0.0861 -
0.5214 8050 0.1135 -
0.5247 8100 0.0956 -
0.5279 8150 0.1007 -
0.5312 8200 0.0898 -
0.5344 8250 0.1079 -
0.5376 8300 0.093 -
0.5409 8350 0.0957 -
0.5441 8400 0.0945 -
0.5474 8450 0.0929 -
0.5506 8500 0.0933 -
0.5538 8550 0.0948 -
0.5571 8600 0.0793 -
0.5603 8650 0.0888 -
0.5635 8700 0.0835 -
0.5668 8750 0.0809 -
0.5700 8800 0.1069 -
0.5733 8850 0.0885 -
0.5765 8900 0.089 -
0.5797 8950 0.1028 -
0.5830 9000 0.0842 -
0.5862 9050 0.0946 -
0.5895 9100 0.0989 -
0.5927 9150 0.0827 -
0.5959 9200 0.0798 -
0.5992 9250 0.0855 -
0.6024 9300 0.091 -
0.6056 9350 0.0905 -
0.6089 9400 0.0844 -
0.6121 9450 0.0783 -
0.6154 9500 0.0838 -
0.6186 9550 0.0992 -
0.6218 9600 0.0954 -
0.6251 9650 0.0817 -
0.6283 9700 0.0895 -
0.6316 9750 0.0818 -
0.6348 9800 0.0806 -
0.6380 9850 0.0895 -
0.6413 9900 0.0925 -
0.6445 9950 0.0865 -
0.6478 10000 0.0881 -
0.6510 10050 0.0804 -
0.6542 10100 0.0951 -
0.6575 10150 0.0998 -
0.6607 10200 0.0892 -
0.6639 10250 0.0824 -
0.6672 10300 0.0856 -
0.6704 10350 0.0821 -
0.6737 10400 0.0949 -
0.6769 10450 0.0918 -
0.6801 10500 0.0868 -
0.6834 10550 0.0922 -
0.6866 10600 0.0845 -
0.6899 10650 0.0752 -
0.6931 10700 0.0904 -
0.6963 10750 0.0837 -
0.6996 10800 0.0846 -
0.7028 10850 0.0904 -
0.7061 10900 0.0819 -
0.7093 10950 0.0851 -
0.7125 11000 0.0755 -
0.7158 11050 0.0856 -
0.7190 11100 0.0978 -
0.7222 11150 0.0764 -
0.7255 11200 0.0837 -
0.7287 11250 0.0896 -
0.7320 11300 0.0878 -
0.7352 11350 0.0799 -
0.7384 11400 0.0819 -
0.7417 11450 0.0864 -
0.7449 11500 0.085 -
0.7482 11550 0.092 -
0.7514 11600 0.08 -
0.7546 11650 0.0828 -
0.7579 11700 0.078 -
0.7611 11750 0.0787 -
0.7643 11800 0.0818 -
0.7676 11850 0.0872 -
0.7708 11900 0.0857 -
0.7741 11950 0.0891 -
0.7773 12000 0.0731 -
0.7805 12050 0.0881 -
0.7838 12100 0.0735 -
0.7870 12150 0.0825 -
0.7903 12200 0.0799 -
0.7935 12250 0.0783 -
0.7967 12300 0.081 -
0.8000 12350 0.0847 -
0.8032 12400 0.0851 -
0.8065 12450 0.0783 -
0.8097 12500 0.0634 -
0.8129 12550 0.0767 -
0.8162 12600 0.0836 -
0.8194 12650 0.0871 -
0.8226 12700 0.0787 -
0.8259 12750 0.0755 -
0.8291 12800 0.0787 -
0.8324 12850 0.0764 -
0.8356 12900 0.077 -
0.8388 12950 0.0821 -
0.8421 13000 0.0756 -
0.8453 13050 0.0798 -
0.8486 13100 0.0699 -
0.8518 13150 0.0823 -
0.8550 13200 0.0783 -
0.8583 13250 0.078 -
0.8615 13300 0.0742 -
0.8647 13350 0.078 -
0.8680 13400 0.0835 -
0.8712 13450 0.0719 -
0.8745 13500 0.0774 -
0.8777 13550 0.0855 -
0.8809 13600 0.0873 -
0.8842 13650 0.084 -
0.8874 13700 0.0853 -
0.8907 13750 0.0833 -
0.8939 13800 0.0811 -
0.8971 13850 0.0727 -
0.9004 13900 0.0677 -
0.9036 13950 0.0666 -
0.9069 14000 0.0764 -
0.9101 14050 0.0729 -
0.9133 14100 0.0781 -
0.9166 14150 0.0917 -
0.9198 14200 0.0878 -
0.9230 14250 0.0734 -
0.9263 14300 0.0825 -
0.9295 14350 0.0799 -
0.9328 14400 0.0817 -
0.9360 14450 0.0757 -
0.9392 14500 0.0755 -
0.9425 14550 0.062 -
0.9457 14600 0.0829 -
0.9490 14650 0.0718 -
0.9522 14700 0.0776 -
0.9554 14750 0.0744 -
0.9587 14800 0.0881 -
0.9619 14850 0.0813 -
0.9652 14900 0.0673 -
0.9684 14950 0.0819 -
0.9716 15000 0.0566 -
0.9749 15050 0.0849 -
0.9781 15100 0.0736 -
0.9813 15150 0.0661 -
0.9846 15200 0.0731 -
0.9878 15250 0.0779 -
0.9911 15300 0.0723 -
0.9943 15350 0.0606 -
0.9975 15400 0.0801 -
1.0008 15450 0.0675 -
1.0040 15500 0.0743 -
1.0073 15550 0.0655 -
1.0105 15600 0.0594 -
1.0137 15650 0.0642 -
1.0170 15700 0.059 -
1.0202 15750 0.0628 -
1.0234 15800 0.0569 -
1.0267 15850 0.0725 -
1.0299 15900 0.0744 -
1.0332 15950 0.056 -
1.0364 16000 0.0754 -
1.0396 16050 0.0694 -
1.0429 16100 0.057 -
1.0461 16150 0.0706 -
1.0494 16200 0.0675 -
1.0526 16250 0.0679 -
1.0558 16300 0.0745 -
1.0591 16350 0.0539 -
1.0623 16400 0.0708 -
1.0656 16450 0.0629 -
1.0688 16500 0.0699 -
1.0720 16550 0.0706 -
1.0753 16600 0.0717 -
1.0785 16650 0.0676 -
1.0817 16700 0.0619 -
1.0850 16750 0.07 -
1.0882 16800 0.0569 -
1.0915 16850 0.0615 -
1.0947 16900 0.0646 -
1.0979 16950 0.0651 -
1.1012 17000 0.072 -
1.1044 17050 0.0693 -
1.1077 17100 0.0681 -
1.1109 17150 0.0509 -
1.1141 17200 0.0604 -
1.1174 17250 0.0723 -
1.1206 17300 0.0726 -
1.1239 17350 0.062 -
1.1271 17400 0.0608 -
1.1303 17450 0.0649 -
1.1336 17500 0.0631 -
1.1368 17550 0.0623 -
1.1400 17600 0.0707 -
1.1433 17650 0.0708 -
1.1465 17700 0.0736 -
1.1498 17750 0.0674 -
1.1530 17800 0.0759 -
1.1562 17850 0.0614 -
1.1595 17900 0.0626 -
1.1627 17950 0.0741 -
1.1660 18000 0.065 -
1.1692 18050 0.069 -
1.1724 18100 0.0749 -
1.1757 18150 0.0554 -
1.1789 18200 0.068 -
1.1821 18250 0.0676 -
1.1854 18300 0.067 -
1.1886 18350 0.0682 -
1.1919 18400 0.0546 -
1.1951 18450 0.068 -
1.1983 18500 0.0633 -
1.2016 18550 0.0627 -
1.2048 18600 0.0608 -
1.2081 18650 0.0625 -
1.2113 18700 0.0652 -
1.2145 18750 0.0555 -
1.2178 18800 0.0615 -
1.2210 18850 0.0599 -
1.2243 18900 0.0664 -
1.2275 18950 0.0653 -
1.2307 19000 0.0481 -
1.2340 19050 0.055 -
1.2372 19100 0.0681 -
1.2404 19150 0.0589 -
1.2437 19200 0.0774 -
1.2469 19250 0.0624 -
1.2502 19300 0.0609 -
1.2534 19350 0.0545 -
1.2566 19400 0.0546 -
1.2599 19450 0.087 -
1.2631 19500 0.061 -
1.2664 19550 0.068 -
1.2696 19600 0.0708 -
1.2728 19650 0.0651 -
1.2761 19700 0.0713 -
1.2793 19750 0.0646 -
1.2825 19800 0.0559 -
1.2858 19850 0.0486 -
1.2890 19900 0.0583 -
1.2923 19950 0.0549 -
1.2955 20000 0.073 -
1.2987 20050 0.0633 -
1.3020 20100 0.072 -
1.3052 20150 0.0623 -
1.3085 20200 0.0725 -
1.3117 20250 0.0629 -
1.3149 20300 0.0614 -
1.3182 20350 0.0607 -
1.3214 20400 0.0624 -
1.3247 20450 0.0627 -
1.3279 20500 0.0602 -
1.3311 20550 0.062 -
1.3344 20600 0.066 -
1.3376 20650 0.0596 -
1.3408 20700 0.0517 -
1.3441 20750 0.057 -
1.3473 20800 0.0584 -
1.3506 20850 0.0576 -
1.3538 20900 0.0667 -
1.3570 20950 0.0672 -
1.3603 21000 0.0641 -
1.3635 21050 0.0545 -
1.3668 21100 0.0609 -
1.3700 21150 0.0639 -
1.3732 21200 0.0612 -
1.3765 21250 0.0623 -
1.3797 21300 0.0645 -
1.3830 21350 0.0676 -
1.3862 21400 0.0704 -
1.3894 21450 0.0569 -
1.3927 21500 0.066 -
1.3959 21550 0.0632 -
1.3991 21600 0.0682 -
1.4024 21650 0.0694 -
1.4056 21700 0.0713 -
1.4089 21750 0.0508 -
1.4121 21800 0.0613 -
1.4153 21850 0.0512 -
1.4186 21900 0.0481 -
1.4218 21950 0.0578 -
1.4251 22000 0.0553 -
1.4283 22050 0.0599 -
1.4315 22100 0.0626 -
1.4348 22150 0.0577 -
1.4380 22200 0.0611 -
1.4412 22250 0.0579 -
1.4445 22300 0.0678 -
1.4477 22350 0.0627 -
1.4510 22400 0.0582 -
1.4542 22450 0.0613 -
1.4574 22500 0.0584 -
1.4607 22550 0.0586 -
1.4639 22600 0.0589 -
1.4672 22650 0.0535 -
1.4704 22700 0.0526 -
1.4736 22750 0.0599 -
1.4769 22800 0.0549 -
1.4801 22850 0.0598 -
1.4834 22900 0.0584 -
1.4866 22950 0.0657 -
1.4898 23000 0.056 -
1.4931 23050 0.061 -
1.4963 23100 0.0567 -
1.4995 23150 0.0604 -
1.5028 23200 0.053 -
1.5060 23250 0.0577 -
1.5093 23300 0.0552 -
1.5125 23350 0.0675 -
1.5157 23400 0.0698 -
1.5190 23450 0.0577 -
1.5222 23500 0.0518 -
1.5255 23550 0.0552 -
1.5287 23600 0.0606 -
1.5319 23650 0.0598 -
1.5352 23700 0.0586 -
1.5384 23750 0.0562 -
1.5417 23800 0.0571 -
1.5449 23850 0.0525 -
1.5481 23900 0.0619 -
1.5514 23950 0.0558 -
1.5546 24000 0.0651 -
1.5578 24050 0.0595 -
1.5611 24100 0.0669 -
1.5643 24150 0.0576 -
1.5676 24200 0.0498 -
1.5708 24250 0.0613 -
1.5740 24300 0.0544 -
1.5773 24350 0.0566 -
1.5805 24400 0.0613 -
1.5838 24450 0.0597 -
1.5870 24500 0.0525 -
1.5902 24550 0.0537 -
1.5935 24600 0.0613 -
1.5967 24650 0.0446 -
1.5999 24700 0.0597 -
1.6032 24750 0.0601 -
1.6064 24800 0.0521 -
1.6097 24850 0.0584 -
1.6129 24900 0.0591 -
1.6161 24950 0.0593 -
1.6194 25000 0.0562 -
1.6226 25050 0.0586 -
1.6259 25100 0.0593 -
1.6291 25150 0.0615 -
1.6323 25200 0.0492 -
1.6356 25250 0.0573 -
1.6388 25300 0.0631 -
1.6421 25350 0.0444 -
1.6453 25400 0.0587 -
1.6485 25450 0.0601 -
1.6518 25500 0.0565 -
1.6550 25550 0.0654 -
1.6582 25600 0.0558 -
1.6615 25650 0.0537 -
1.6647 25700 0.0504 -
1.6680 25750 0.0549 -
1.6712 25800 0.0517 -
1.6744 25850 0.0621 -
1.6777 25900 0.0468 -
1.6809 25950 0.059 -
1.6842 26000 0.0607 -
1.6874 26050 0.0616 -
1.6906 26100 0.0536 -
1.6939 26150 0.0619 -
1.6971 26200 0.0615 -
1.7003 26250 0.0497 -
1.7036 26300 0.0595 -
1.7068 26350 0.0563 -
1.7101 26400 0.0572 -
1.7133 26450 0.0525 -
1.7165 26500 0.0592 -
1.7198 26550 0.0645 -
1.7230 26600 0.0586 -
1.7263 26650 0.0511 -
1.7295 26700 0.0508 -
1.7327 26750 0.0572 -
1.7360 26800 0.0466 -
1.7392 26850 0.0532 -
1.7425 26900 0.0546 -
1.7457 26950 0.0594 -
1.7489 27000 0.0544 -
1.7522 27050 0.0543 -
1.7554 27100 0.0588 -
1.7586 27150 0.0552 -
1.7619 27200 0.0529 -
1.7651 27250 0.0558 -
1.7684 27300 0.0491 -
1.7716 27350 0.0669 -
1.7748 27400 0.056 -
1.7781 27450 0.0553 -
1.7813 27500 0.0565 -
1.7846 27550 0.063 -
1.7878 27600 0.0548 -
1.7910 27650 0.0541 -
1.7943 27700 0.0469 -
1.7975 27750 0.0493 -
1.8008 27800 0.0644 -
1.8040 27850 0.0557 -
1.8072 27900 0.0582 -
1.8105 27950 0.0517 -
1.8137 28000 0.0564 -
1.8169 28050 0.0591 -
1.8202 28100 0.0545 -
1.8234 28150 0.0486 -
1.8267 28200 0.0568 -
1.8299 28250 0.0461 -
1.8331 28300 0.0622 -
1.8364 28350 0.0499 -
1.8396 28400 0.0634 -
1.8429 28450 0.0584 -
1.8461 28500 0.0648 -
1.8493 28550 0.0628 -
1.8526 28600 0.057 -
1.8558 28650 0.0528 -
1.8590 28700 0.0521 -
1.8623 28750 0.0527 -
1.8655 28800 0.0457 -
1.8688 28850 0.0505 -
1.8720 28900 0.0508 -
1.8752 28950 0.0595 -
1.8785 29000 0.0558 -
1.8817 29050 0.0521 -
1.8850 29100 0.0475 -
1.8882 29150 0.054 -
1.8914 29200 0.0497 -
1.8947 29250 0.0637 -
1.8979 29300 0.0484 -
1.9012 29350 0.0649 -
1.9044 29400 0.0643 -
1.9076 29450 0.0484 -
1.9109 29500 0.0531 -
1.9141 29550 0.0527 -
1.9173 29600 0.0617 -
1.9206 29650 0.0469 -
1.9238 29700 0.0615 -
1.9271 29750 0.055 -
1.9303 29800 0.055 -
1.9335 29850 0.0658 -
1.9368 29900 0.0483 -
1.9400 29950 0.0559 -
1.9433 30000 0.0481 -
1.9465 30050 0.0719 -
1.9497 30100 0.0589 -
1.9530 30150 0.0498 -
1.9562 30200 0.049 -
1.9595 30250 0.0456 -
1.9627 30300 0.0551 -
1.9659 30350 0.0415 -
1.9692 30400 0.0607 -
1.9724 30450 0.0521 -
1.9756 30500 0.0545 -
1.9789 30550 0.0544 -
1.9821 30600 0.0535 -
1.9854 30650 0.0637 -
1.9886 30700 0.0555 -
1.9918 30750 0.0472 -
1.9951 30800 0.0544 -
1.9983 30850 0.0592 -

Framework Versions

  • Python: 3.12.12
  • SetFit: 1.1.3
  • Sentence Transformers: 5.1.2
  • Transformers: 4.57.1
  • PyTorch: 2.8.0+cu126
  • Datasets: 4.0.0
  • Tokenizers: 0.22.1

Citation

BibTeX 

@article{https://doi.org/10.48550/arxiv.2209.11055,
    doi = {10.48550/ARXIV.2209.11055},
    url = {https://arxiv.org/abs/2209.11055},
    author = {Tunstall, Lewis and Reimers, Nils and Jo, Unso Eun Seo and Bates, Luke and Korat, Daniel and Wasserblat, Moshe and Pereg, Oren},
    keywords = {Computation and Language (cs.CL), FOS: Computer and information sciences, FOS: Computer and information sciences},
    title = {Efficient Few-Shot Learning Without Prompts},
    publisher = {arXiv},
    year = {2022},
    copyright = {Creative Commons Attribution 4.0 International}
}
Downloads last month
2
Safetensors
Model size
0.3B params
Tensor type
F32
·
Inference Providers NEW
Text Classification
This model isn't deployed by any Inference Provider. 🙋 Ask for provider support

Model tree for faodl/model_cca_multilabel_mpnet-65max-data-augmented-v03

Base model

sentence-transformers/paraphrase-multilingual-mpnet-base-v2
Finetuned
(133)
this model

Paper for faodl/model_cca_multilabel_mpnet-65max-data-augmented-v03