ru-tagger-bert-fineweb-v2

RuModernBERT Tagger (FineWeb‑Tuned)

Модель для мульти‑лейбл теггирования русскоязычных текстов
Дообучена на базе deepvk/RuModernBERT-base с использованием синтетических тегов, сгенерированных Qwen3‑235B‑A22B‑Instruct‑2507 для выборки из 140 000 текстов из датасета FineWeb (русскоязычный подкорпус rus_Cyrl).

---

Задача

Модель решает задачу мульти‑лейбл классификации и возвращает вектор логитов длины 788, где каждый элемент соответствует одному из заранее заданных тегов.

---

Архитектура

Словарь {индекс: название} тега хранится в конфиге модели (id2label).

---

Данные для обучения

• Источник: подмножество русскоязычных текстов из датасета FineWeb2
• Объём: 140 000 текстов
• Разметка: изначальные теги сгенерированы моделью Qwen3‑235B‑A22B‑Instruct‑2507 (каждый текст содержит 5 тегов)
• Стратегия: теги кластеризовались и объединялись в категорию, название которой генерировал Qwen3‑235B‑A22B‑Instruct‑2507

Особенность второй версии

В данной версии модель обучалась на тегах от LLM, а также был удален тег, который содержал в себе различные аббревиатуры.

---