Характеристики

Контекст: 514 токенов
Параметры: 305 млн
Лицензия: MIT
Архитектура: xlm-roberta · dense
Базовая модель: xlm-roberta-base
Библиотека: transformers
Опубликована: 19 июн 2026

Ссылки

Hugging Face

xlm-roberta-base-finetuned-panx-it

John7767

Разметка токеновТекст → label

Дообученная XLM-RoBERTa Base для разметки токенов в тексте, связанная с итальянской задачей PAN-X.

5скачиваний за 30 дней0лайковвеса обновлены23 июн 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

John7767/xlm-roberta-base-finetuned-panx-it — модель XLM-RoBERTa Base, дообученная для классификации токенов. Она предназначена для разметки отдельных слов и токенов в тексте; суффикс panx-it указывает на связь с итальянской версией задачи PAN-X, однако карточка не описывает набор меток и сценарии подробнее. Модель содержит 305,2 млн параметров, использует архитектуру XLM-RoBERTa и формат Safetensors; длина контекста — 514 токенов.

В README приведены результаты оценки: loss 0,3061 и F1 0,7782. Модель основана на FacebookAI/xlm-roberta-base и распространяется по лицензии MIT. Данных о конкретных ограничениях применения и обучающем датасете карточка не предоставляет.

Сценарии применения

разметка именованных сущностей в итальянском тексте
извлечение имён людей и организаций из текста
выделение географических названий в предложениях

Ограничения

В README указан F1 0,7782, но описание набора меток и подробности оценки отсутствуют. Контекст ограничен 514 токенами.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

xlm-roberta-base-finetuned-panx-it

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

Loss: 0.3061
F1: 0.7782

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: 5e-05
train_batch_size: 4
eval_batch_size: 4
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: 1

Training results

Training Loss	Epoch	Step	Validation Loss	F1
0.547	1.0	420	0.3061	0.7782

Framework versions

Transformers 4.57.6
Pytorch 2.12.1
Datasets 2.14.5
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: b3b104e