vuln-classifier-roberta

This model is a fine-tuned version of roberta-base on an unknown dataset. It achieves the following results on the evaluation set:

• Loss: 0.4013
• Macro F1: 0.8501
• Accuracy: 0.9421
• F1 Cwe-119: 0.8587
• F1 Cwe-125: 0.9503
• F1 Cwe-190: 0.9399
• F1 Cwe-20: 0.8371
• F1 Cwe-22: 0.9738
• F1 Cwe-269: 0.6992
• F1 Cwe-276: 0.7857
• F1 Cwe-287: 0.8383
• F1 Cwe-306: 0.7506
• F1 Cwe-352: 0.9959
• F1 Cwe-362: 0.9023
• F1 Cwe-416: 0.9349
• F1 Cwe-434: 0.9558
• F1 Cwe-476: 0.946
• F1 Cwe-502: 0.9335
• F1 Cwe-77: 0.0
• F1 Cwe-78: 0.9127
• F1 Cwe-787: 0.8824
• F1 Cwe-79: 0.9949
• F1 Cwe-798: 0.9508
• F1 Cwe-862: 0.9078
• F1 Cwe-863: 0.6037
• F1 Cwe-89: 0.9975
• F1 Cwe-918: 0.9616
• F1 Cwe-94: 0.7404

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: 32
• eval_batch_size: 64
• seed: 42
• optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
• lr_scheduler_type: linear
• lr_scheduler_warmup_steps: 100
• num_epochs: 3
• mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Macro F1	Accuracy	F1 Cwe-119	F1 Cwe-125	F1 Cwe-190	F1 Cwe-20	F1 Cwe-22	F1 Cwe-269	F1 Cwe-276	F1 Cwe-287	F1 Cwe-306	F1 Cwe-352	F1 Cwe-362	F1 Cwe-416	F1 Cwe-434	F1 Cwe-476	F1 Cwe-502	F1 Cwe-77	F1 Cwe-78	F1 Cwe-787	F1 Cwe-79	F1 Cwe-798	F1 Cwe-862	F1 Cwe-863	F1 Cwe-89	F1 Cwe-918	F1 Cwe-94
0.5894	1.0	4533	0.4616	0.8301	0.9306	0.8332	0.9354	0.9229	0.786	0.9725	0.6819	0.7456	0.8021	0.6949	0.9938	0.9167	0.9219	0.945	0.9428	0.9243	0.0	0.882	0.8481	0.9921	0.953	0.8953	0.5187	0.9964	0.963	0.6851
0.4632	2.0	9066	0.4053	0.8472	0.9402	0.864	0.9458	0.9438	0.8361	0.9752	0.7002	0.8017	0.8285	0.7254	0.9947	0.9019	0.9307	0.9488	0.9463	0.946	0.0	0.9014	0.886	0.9941	0.9533	0.8976	0.5628	0.9964	0.9631	0.7372
0.3786	3.0	13599	0.4013	0.8501	0.9421	0.8587	0.9503	0.9399	0.8371	0.9738	0.6992	0.7857	0.8383	0.7506	0.9959	0.9023	0.9349	0.9558	0.946	0.9335	0.0	0.9127	0.8824	0.9949	0.9508	0.9078	0.6037	0.9975	0.9616	0.7404

Framework versions

• Transformers 5.0.0
• Pytorch 2.10.0+cu128
• Datasets 4.8.3
• Tokenizers 0.22.2