Получена на базе модели sergeyzh/rubert-large-uncased-sts путём дистилляции мягких меток (soft labels), сгенерированных teacher-моделью FRIDA (архитектура T5-encoder, 823M параметров), предварительно дообученной на данных сентимент-анализа.

Модель содержит 12 слоёв — вдвое меньше стандартных 24 для архитектуры BERT-large (по скорости инференса сопоставима с классическими BERT-base моделями).

Основные характеристики модели:

размер hidden — 1024,
длина контекста — 512,
слоёв — 12,
параметров — ~209M (вес ~798 МБ).

Классы: 0 — Negative, 1 — Neutral, 2 — Positive.

Использование

Самый простой способ — pipeline:

Python

from transformers import pipeline

model = pipeline("text-classification", model="sergeyzh/rubert-large-uncased-sentiment")
model("Просто шедевр. Каждая минута на вес золота, ни секунды скуки. Музыка, игра актёров, режиссура — всё на высочайшем уровне.", truncation=True, max_length=512)
# [{'label': 'Positive', 'score': 0.7779}]

Если нужны вероятности всех классов, используйте transformers напрямую:

Python

import torch
from transformers import AutoTokenizer, AutoModelForSequenceClassification

checkpoint = "sergeyzh/rubert-large-uncased-sentiment"
tokenizer = AutoTokenizer.from_pretrained(checkpoint)
model = AutoModelForSequenceClassification.from_pretrained(checkpoint)

text = "Просто шедевр. Каждая минута на вес золота, ни секунды скуки. Музыка, игра актёров, режиссура — всё на высочайшем уровне."
inputs = tokenizer(text, return_tensors="pt", truncation=True, max_length=512)
with torch.no_grad():
    logits = model(**inputs).logits
proba = torch.softmax(logits, dim=1)
label = model.config.id2label[proba.argmax().item()]
print(label, proba.tolist())
# Positive [[0.0126, 0.2095, 0.7779]]

Обучение

Базовая модель: sergeyzh/rubert-large-uncased-sts
Метод: дистилляция мягких меток (soft-label distillation) от teacher-модели FRIDA (архитектура T5-encoder, 24 слоя, 1536d, 823M параметров), предварительно дообученной на данных сентимент-анализа
Смешанный loss: 0.75 × CE(hard) + 0.25 × CE(soft), где soft-метки — softmax-вероятности teacher по 3 классам (max_length = 512)
Данные: 105500 train + 21500 validation русских отзывов — датасеты Kinopoisk, RuReviews, Georeview
3 эпохи, effective batch_size = 32 (batch_size = 8, grad_accum = 4), lr = 2e-5, warmup = 0.1, weight_decay = 0.01, max_length = 256
Отбор по валидационной F1 (лучшая эпоха 3, val F1 = 0.7725)

Метрики

Тестовые наборы: Kinopoisk (1500), RuReviews (15000), Georeview (5000, 5-звёздный рейтинг сведён к 3 классам: 1–2 звезды — Negative, 3 — Neutral, 4–5 — Positive). Оценка: argmax по логитам, max_length = 512.

Модель	Kinopoisk Acc/F1	RuReviews Acc/F1	Georeview Acc/F1	Avg F1
sergeyzh/rubert-large-uncased-sentiment	0.7013 / 0.6929	0.7851 / 0.7866	0.7858 / 0.7361	0.7385
sergeyzh/rubert-tiny-sentiment	0.6593 / 0.6519	0.7672 / 0.7690	0.7680 / 0.7130	0.7113
seara/rubert-base-cased-russian-sentiment	0.5653 / 0.5679	0.8163 / 0.8183	0.6566 / 0.6434	0.6765
seara/rubert-tiny2-russian-sentiment	0.4980 / 0.5032	0.7877 / 0.7899	0.6218 / 0.6122	0.6351
blanchefort/rubert-base-cased-sentiment	0.5253 / 0.5209	0.7615 / 0.7549	0.6716 / 0.6047	0.6268
blanchefort/rubert-base-cased-sentiment-rusentiment	0.5413 / 0.5470	0.6230 / 0.6327	0.6022 / 0.5760	0.5852
cointegrated/rubert-tiny-sentiment-balanced	0.4293 / 0.3977	0.7330 / 0.7344	0.6158 / 0.5857	0.5726