ASAP_FineTuningBERT_AugV5_k1_task1_organization

This model is a fine-tuned version of bert-base-uncased on the None dataset. It achieves the following results on the evaluation set:

• Loss: 1.2314
• Qwk: 0.2551
• Mse: 1.2314
• Rmse: 1.1097

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

• learning_rate: 2e-05
• train_batch_size: 64
• eval_batch_size: 64
• seed: 42
• optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
• lr_scheduler_type: linear
• num_epochs: 100

Training results

Training Loss	Epoch	Step	Validation Loss	Qwk	Mse	Rmse
No log	0.5	2	10.0040	0.0	10.0040	3.1629
No log	1.0	4	7.4446	0.0	7.4446	2.7285
No log	1.5	6	5.9033	0.0587	5.9033	2.4297
No log	2.0	8	4.4505	0.0139	4.4505	2.1096
4.5762	2.5	10	3.1290	0.0115	3.1290	1.7689
4.5762	3.0	12	2.2633	0.1405	2.2633	1.5044
4.5762	3.5	14	1.7199	0.0938	1.7199	1.3115
4.5762	4.0	16	1.5493	0.0447	1.5493	1.2447
4.5762	4.5	18	2.2211	0.0472	2.2211	1.4903
1.9295	5.0	20	1.3228	0.0316	1.3228	1.1502
1.9295	5.5	22	1.2132	0.0316	1.2132	1.1014
1.9295	6.0	24	1.8097	0.0553	1.8097	1.3453
1.9295	6.5	26	2.6281	0.0537	2.6281	1.6211
1.9295	7.0	28	2.2883	0.1340	2.2883	1.5127
1.8888	7.5	30	1.3517	0.0316	1.3517	1.1626
1.8888	8.0	32	1.1869	0.0316	1.1869	1.0894
1.8888	8.5	34	1.4898	0.0316	1.4898	1.2206
1.8888	9.0	36	1.6581	0.0409	1.6581	1.2877
1.8888	9.5	38	1.8108	0.0789	1.8108	1.3457
1.8133	10.0	40	2.0808	0.1434	2.0808	1.4425
1.8133	10.5	42	1.9287	0.1067	1.9287	1.3888
1.8133	11.0	44	1.4287	0.0463	1.4287	1.1953
1.8133	11.5	46	1.2985	0.0463	1.2985	1.1395
1.8133	12.0	48	1.6631	0.1110	1.6631	1.2896
1.6183	12.5	50	1.5829	0.1119	1.5829	1.2581
1.6183	13.0	52	1.5476	0.1234	1.5476	1.2440
1.6183	13.5	54	1.8014	0.1215	1.8014	1.3422
1.6183	14.0	56	1.7138	0.1451	1.7138	1.3091
1.6183	14.5	58	1.1986	0.2584	1.1986	1.0948
1.2644	15.0	60	1.0803	0.2591	1.0803	1.0394
1.2644	15.5	62	1.6864	0.1566	1.6864	1.2986
1.2644	16.0	64	1.2925	0.2221	1.2925	1.1369
1.2644	16.5	66	1.1739	0.2480	1.1739	1.0835
1.2644	17.0	68	1.4404	0.2196	1.4404	1.2002
0.8244	17.5	70	1.4038	0.1956	1.4038	1.1848
0.8244	18.0	72	1.1003	0.2925	1.1003	1.0490
0.8244	18.5	74	1.1099	0.2842	1.1099	1.0535
0.8244	19.0	76	2.0503	0.1466	2.0503	1.4319
0.8244	19.5	78	1.3584	0.2663	1.3584	1.1655
0.6363	20.0	80	0.8540	0.3438	0.8540	0.9241
0.6363	20.5	82	1.3614	0.2920	1.3614	1.1668
0.6363	21.0	84	3.0649	0.0939	3.0649	1.7507
0.6363	21.5	86	2.4701	0.1283	2.4701	1.5717
0.6363	22.0	88	1.0600	0.2685	1.0600	1.0296
0.5975	22.5	90	0.9539	0.2751	0.9539	0.9767
0.5975	23.0	92	1.7598	0.1560	1.7598	1.3266
0.5975	23.5	94	1.7753	0.1612	1.7753	1.3324
0.5975	24.0	96	1.1810	0.2930	1.1810	1.0867
0.5975	24.5	98	1.4658	0.2746	1.4658	1.2107
0.3621	25.0	100	1.5154	0.2618	1.5154	1.2310
0.3621	25.5	102	1.4949	0.2795	1.4949	1.2227
0.3621	26.0	104	1.7086	0.2021	1.7086	1.3071
0.3621	26.5	106	1.1945	0.3185	1.1945	1.0929
0.3621	27.0	108	1.2266	0.3126	1.2266	1.1075
0.2918	27.5	110	1.8387	0.2081	1.8387	1.3560
0.2918	28.0	112	1.6212	0.2499	1.6212	1.2732
0.2918	28.5	114	1.3301	0.2903	1.3301	1.1533
0.2918	29.0	116	1.5835	0.2405	1.5835	1.2584
0.2918	29.5	118	1.4298	0.2498	1.4298	1.1958
0.2542	30.0	120	1.1236	0.2813	1.1236	1.0600
0.2542	30.5	122	1.3511	0.2391	1.3511	1.1624
0.2542	31.0	124	1.4056	0.2337	1.4056	1.1856
0.2542	31.5	126	1.3008	0.2663	1.3008	1.1405
0.2542	32.0	128	1.8671	0.1685	1.8671	1.3664
0.2499	32.5	130	1.6799	0.1883	1.6799	1.2961
0.2499	33.0	132	0.9430	0.3332	0.9430	0.9711
0.2499	33.5	134	0.9011	0.3322	0.9011	0.9493
0.2499	34.0	136	1.1649	0.2698	1.1649	1.0793
0.2499	34.5	138	2.3721	0.1003	2.3721	1.5402
0.3609	35.0	140	2.2048	0.1142	2.2048	1.4849
0.3609	35.5	142	1.1793	0.2692	1.1793	1.0860
0.3609	36.0	144	1.0028	0.3121	1.0028	1.0014
0.3609	36.5	146	1.3912	0.2286	1.3912	1.1795
0.3609	37.0	148	1.7798	0.1616	1.7798	1.3341
0.2446	37.5	150	1.2786	0.2521	1.2786	1.1308
0.2446	38.0	152	1.2228	0.2748	1.2228	1.1058
0.2446	38.5	154	1.5283	0.1847	1.5283	1.2362
0.2446	39.0	156	1.3014	0.2575	1.3014	1.1408
0.2446	39.5	158	1.5239	0.1973	1.5239	1.2345
0.1729	40.0	160	1.5801	0.2109	1.5801	1.2570
0.1729	40.5	162	1.4679	0.2119	1.4679	1.2116
0.1729	41.0	164	1.5267	0.2020	1.5267	1.2356
0.1729	41.5	166	1.4034	0.2326	1.4034	1.1846
0.1729	42.0	168	1.4875	0.2219	1.4875	1.2196
0.1446	42.5	170	1.6775	0.2091	1.6775	1.2952
0.1446	43.0	172	1.1775	0.2995	1.1775	1.0851
0.1446	43.5	174	1.1754	0.2878	1.1754	1.0842
0.1446	44.0	176	1.6674	0.1766	1.6674	1.2913
0.1446	44.5	178	1.5118	0.1971	1.5118	1.2296
0.1662	45.0	180	1.1393	0.2945	1.1393	1.0674
0.1662	45.5	182	1.3965	0.2334	1.3965	1.1817
0.1662	46.0	184	1.7891	0.1882	1.7891	1.3376
0.1662	46.5	186	1.4730	0.2196	1.4730	1.2137
0.1662	47.0	188	1.2845	0.2608	1.2845	1.1333
0.1568	47.5	190	1.5377	0.1986	1.5377	1.2400
0.1568	48.0	192	1.4681	0.1962	1.4681	1.2117
0.1568	48.5	194	1.1020	0.2629	1.1020	1.0498
0.1568	49.0	196	1.2708	0.2137	1.2708	1.1273
0.1568	49.5	198	1.7560	0.1648	1.7560	1.3251
0.1452	50.0	200	1.5707	0.1827	1.5707	1.2533
0.1452	50.5	202	1.2110	0.2695	1.2110	1.1005
0.1452	51.0	204	1.4340	0.2250	1.4340	1.1975
0.1452	51.5	206	1.9166	0.1654	1.9166	1.3844
0.1452	52.0	208	1.5714	0.1951	1.5714	1.2536
0.1464	52.5	210	1.1224	0.2815	1.1224	1.0595
0.1464	53.0	212	1.2300	0.2295	1.2300	1.1090
0.1464	53.5	214	1.7226	0.1739	1.7226	1.3125
0.1464	54.0	216	1.5947	0.1696	1.5947	1.2628
0.1464	54.5	218	1.2331	0.2248	1.2331	1.1104
0.132	55.0	220	1.2316	0.2368	1.2316	1.1098
0.132	55.5	222	1.6520	0.1857	1.6520	1.2853
0.132	56.0	224	1.6972	0.1679	1.6972	1.3028
0.132	56.5	226	1.2919	0.2261	1.2919	1.1366
0.132	57.0	228	1.2619	0.2348	1.2619	1.1234
0.1229	57.5	230	1.5759	0.1809	1.5759	1.2553
0.1229	58.0	232	1.4628	0.1892	1.4628	1.2095
0.1229	58.5	234	1.2265	0.2272	1.2265	1.1075
0.1229	59.0	236	1.4103	0.2058	1.4103	1.1875
0.1229	59.5	238	1.6998	0.1434	1.6998	1.3038
0.1113	60.0	240	1.4175	0.2123	1.4175	1.1906
0.1113	60.5	242	1.3184	0.2226	1.3184	1.1482
0.1113	61.0	244	1.3954	0.2208	1.3954	1.1813
0.1113	61.5	246	1.2416	0.2478	1.2416	1.1143
0.1113	62.0	248	1.3448	0.2275	1.3448	1.1597
0.0898	62.5	250	1.3261	0.2308	1.3261	1.1516
0.0898	63.0	252	1.2793	0.2578	1.2793	1.1310
0.0898	63.5	254	1.4825	0.2414	1.4825	1.2176
0.0898	64.0	256	1.4887	0.2435	1.4887	1.2201
0.0898	64.5	258	1.4397	0.2299	1.4397	1.1999
0.0993	65.0	260	1.5694	0.1827	1.5694	1.2528
0.0993	65.5	262	1.3424	0.2172	1.3424	1.1586
0.0993	66.0	264	1.1092	0.2620	1.1092	1.0532
0.0993	66.5	266	1.2520	0.2328	1.2520	1.1189
0.0993	67.0	268	1.5782	0.1851	1.5782	1.2563
0.1012	67.5	270	1.4770	0.1911	1.4770	1.2153
0.1012	68.0	272	1.1142	0.2852	1.1142	1.0555
0.1012	68.5	274	1.0437	0.3040	1.0437	1.0216
0.1012	69.0	276	1.2376	0.2341	1.2376	1.1125
0.1012	69.5	278	1.6177	0.1932	1.6177	1.2719
0.1027	70.0	280	1.5780	0.1895	1.5780	1.2562
0.1027	70.5	282	1.2156	0.2352	1.2156	1.1026
0.1027	71.0	284	1.1193	0.2610	1.1193	1.0579
0.1027	71.5	286	1.2109	0.2359	1.2109	1.1004
0.1027	72.0	288	1.3326	0.2256	1.3326	1.1544
0.1038	72.5	290	1.3443	0.2312	1.3443	1.1594
0.1038	73.0	292	1.2669	0.2468	1.2669	1.1256
0.1038	73.5	294	1.2725	0.2478	1.2725	1.1281
0.1038	74.0	296	1.2472	0.2445	1.2472	1.1168
0.1038	74.5	298	1.2806	0.2334	1.2806	1.1316
0.0828	75.0	300	1.3854	0.2033	1.3854	1.1770
0.0828	75.5	302	1.2444	0.2447	1.2444	1.1155
0.0828	76.0	304	1.1910	0.2549	1.1910	1.0913
0.0828	76.5	306	1.2888	0.2353	1.2888	1.1353
0.0828	77.0	308	1.4928	0.1912	1.4928	1.2218
0.083	77.5	310	1.4783	0.1830	1.4783	1.2159
0.083	78.0	312	1.2748	0.2482	1.2748	1.1291
0.083	78.5	314	1.1675	0.2609	1.1675	1.0805
0.083	79.0	316	1.2853	0.2473	1.2853	1.1337
0.083	79.5	318	1.4965	0.1790	1.4965	1.2233
0.0845	80.0	320	1.4329	0.1885	1.4329	1.1970
0.0845	80.5	322	1.2186	0.2419	1.2186	1.1039
0.0845	81.0	324	1.1263	0.2473	1.1263	1.0613
0.0845	81.5	326	1.1794	0.2477	1.1794	1.0860
0.0845	82.0	328	1.3628	0.2091	1.3628	1.1674
0.0766	82.5	330	1.3948	0.2013	1.3948	1.1810
0.0766	83.0	332	1.2944	0.2179	1.2944	1.1377
0.0766	83.5	334	1.1685	0.2340	1.1685	1.0810
0.0766	84.0	336	1.1504	0.2359	1.1504	1.0726
0.0766	84.5	338	1.2780	0.2172	1.2780	1.1305
0.0868	85.0	340	1.4603	0.1906	1.4603	1.2084
0.0868	85.5	342	1.4301	0.1968	1.4301	1.1959
0.0868	86.0	344	1.2884	0.2298	1.2884	1.1351
0.0868	86.5	346	1.1709	0.2390	1.1709	1.0821
0.0868	87.0	348	1.1996	0.2349	1.1996	1.0953
0.0734	87.5	350	1.2717	0.2403	1.2717	1.1277
0.0734	88.0	352	1.3150	0.2336	1.3150	1.1467
0.0734	88.5	354	1.3417	0.2280	1.3417	1.1583
0.0734	89.0	356	1.3389	0.2290	1.3389	1.1571
0.0734	89.5	358	1.3019	0.2366	1.3019	1.1410
0.0723	90.0	360	1.3002	0.2388	1.3002	1.1403
0.0723	90.5	362	1.3851	0.2199	1.3851	1.1769
0.0723	91.0	364	1.4727	0.1898	1.4727	1.2135
0.0723	91.5	366	1.4628	0.1902	1.4628	1.2095
0.0723	92.0	368	1.4052	0.2136	1.4052	1.1854
0.0668	92.5	370	1.2999	0.2285	1.2999	1.1401
0.0668	93.0	372	1.2109	0.2564	1.2109	1.1004
0.0668	93.5	374	1.1841	0.2606	1.1841	1.0881
0.0668	94.0	376	1.1994	0.2558	1.1994	1.0952
0.0668	94.5	378	1.2661	0.2402	1.2661	1.1252
0.0674	95.0	380	1.3489	0.2204	1.3489	1.1614
0.0674	95.5	382	1.3838	0.2091	1.3838	1.1764
0.0674	96.0	384	1.3771	0.2082	1.3771	1.1735
0.0674	96.5	386	1.3352	0.2196	1.3352	1.1555
0.0674	97.0	388	1.2912	0.2231	1.2912	1.1363
0.0736	97.5	390	1.2508	0.2388	1.2508	1.1184
0.0736	98.0	392	1.2196	0.2604	1.2196	1.1044
0.0736	98.5	394	1.2105	0.2614	1.2105	1.1002
0.0736	99.0	396	1.2173	0.2604	1.2173	1.1033
0.0736	99.5	398	1.2271	0.2604	1.2271	1.1077
0.0605	100.0	400	1.2314	0.2551	1.2314	1.1097

Framework versions

• Transformers 4.44.2
• Pytorch 2.4.1+cu121
• Datasets 3.2.0
• Tokenizers 0.19.1