Характеристики

Контекст: 514 токенов
Параметры: 659 млн
Лицензия: MIT
Архитектура: xlm-roberta · dense
Базовая модель: xlm-roberta-large
Библиотека: transformers
Опубликована: 24 авг 2026

Ссылки

Hugging Face

xlm-roberta-largeFullTune

EshAhm

Разметка токеновТекст → label

Дообученная XLM-RoBERTa Large для токенной разметки сущностей в текстах библиографических ссылок.

14скачиваний за 30 дней0лайковвеса обновлены24 авг 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

EshAhm/xlm-roberta-largeFullTune — модель XLM-RoBERTa Large, дообученная на наборе SIRIS-Lab/citation-parser-ENTITY для классификации токенов. Она предназначена для разметки сущностей в текстах, связанных с парсингом библиографических ссылок. Модель содержит 658,7 млн параметров, использует архитектуру XLM-RoBERTa и принимает текстовые последовательности длиной до 514 токенов.

На тестовом наборе указаны precision 0,9721, recall 0,9708, F1 0,9715 и accuracy 0,9838. Карточка не раскрывает перечень размечаемых типов сущностей и не уточняет пригодность для других корпусов. Модель распространяется под лицензией MIT; формат весов — safetensors.

Сценарии применения

извлечение полей из библиографических ссылок
разметка сущностей в библиографических записях
подготовка цитат для автоматического парсинга
классификация токенов в текстах научных ссылок

Ограничения

Оценки приведены только для указанного набора; карточка не уточняет типы размечаемых сущностей и результаты на других данных. Контекст ограничен 514 токенами.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

xlm-roberta-largeFullTune

This model is a fine-tuned version of xlm-roberta-large on SIRIS-Lab/citation-parser-ENTITY dataset. It achieves the following results on the evaluation set:

Loss: 0.1011
Precision: 0.9721
Recall: 0.9708
F1: 0.9715
Accuracy: 0.9838

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: 32
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: 10
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Precision	Recall	F1	Accuracy
1.1963	1.0	68	0.1978	0.7166	0.8617	0.7825	0.9549
0.1574	2.0	136	0.1378	0.8734	0.9363	0.9038	0.9751
0.0544	3.0	204	0.1184	0.9561	0.9666	0.9613	0.9815
0.0442	4.0	272	0.1188	0.9654	0.9691	0.9673	0.9819
0.0331	5.0	340	0.1121	0.9666	0.9691	0.9679	0.9822
0.0208	6.0	408	0.1237	0.9711	0.9736	0.9724	0.9811
0.0214	7.0	476	0.1213	0.9680	0.9730	0.9705	0.9825
0.0172	8.0	544	0.1295	0.9730	0.9736	0.9733	0.9830
0.0097	9.0	612	0.1236	0.9723	0.9717	0.9720	0.9833
0.0117	10.0	680	0.1300	0.9717	0.9730	0.9724	0.9829

Framework versions

Transformers 5.15.0
Pytorch 2.11.0+cu128
Datasets 4.0.0
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: 6633074