/ Модель

Характеристики

Контекст
514 токенов
Параметры
305 млн
Лицензия
MIT
Архитектура
xlm-roberta · dense
Базовая модель
xlm-roberta-base
Библиотека
transformers
Опубликована
15 июл 2026

xlmroberta-ner-prostata-bs8

Разметка токеновТекст → label3 профессии

Дообученная XLM-RoBERTa-base для выделения сущностей в текстах о простате.

8скачиваний за 30 дней0лайковвеса обновлены18 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Ben0ni/xlmroberta-ner-prostata-bs8 — дообученная модель XLM-RoBERTa-base для распознавания именованных сущностей в текстах о простате. Она выполняет пок токенную классификацию и предназначена для извлечения и разметки упоминаний, связанных с простатой. Модель содержит 305,2 млн параметров, использует архитектуру XLM-RoBERTa и принимает текст с контекстом до 514 токенов.

В README приведены результаты оценки: precision 0,9673, recall 0,9726 и F1 0,9699; датасет обучения и конкретные классы сущностей не раскрыты. Базовая модель — FacebookAI/xlm-roberta-base. Лицензия — MIT.

Сценарии применения

  • извлечение упоминаний о простате из медицинских текстов
  • разметка сущностей в документах о заболеваниях простаты
  • поиск терминов, связанных с простатой, в корпусе текстов

Ограничения

README не описывает классы сущностей, обучающий датасет и предполагаемые языки применения. Метрики оценки приведены без сведений о размере и составе тестовой выборки.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

xlmroberta-ner-prostata-bs8

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

  • Loss: 0.0636
  • Precision: 0.9673
  • Recall: 0.9726
  • F1: 0.9699

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: 16
  • eval_batch_size: 16
  • 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
  • num_epochs: 8

Training results

Training LossEpochStepValidation LossPrecisionRecallF1
0.81221.01950.31940.76090.79090.7756
0.20602.03900.10580.92270.94300.9328
0.11593.05850.06020.95390.96380.9588
0.09484.07800.05550.95850.97150.9650
0.06145.09750.03900.97800.97860.9783
0.06416.011700.03470.97920.97610.9776
0.04237.013650.03620.98190.98060.9812
0.03038.015600.03490.98310.98190.9825

Framework versions

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

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers · token-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
XLMRobertaForTokenClassification
Ревизия весов
e64aa7f

0 моделей