Характеристики

Контекст: 514 токенов
Параметры: 659 млн
Лицензия: MIT
Архитектура: xlm-roberta · dense
Базовая модель: xlm-roberta-large
Библиотека: transformers
Опубликована: 17 июл 2026

Ссылки

Hugging Face

xlmroberta-ner-prostata-bs32

JuanC513

Разметка токеновТекст → label

Дообученная XLM-RoBERTa Large для токенной классификации текста, связанного с простатой.

6скачиваний за 30 дней0лайковвеса обновлены17 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

JuanC513/xlmroberta-ner-prostata-bs32 — модель XLM-RoBERTa Large, дообученная для классификации токенов и извлечения сущностей, связанных с простатой. Она содержит 658,7 млн параметров, использует архитектуру XLM-RoBERTa и принимает последовательности длиной до 514 токенов. В README указаны результаты оценки: F1 0,9542, точность 0,9484 и полнота 0,9600; датасет назван None, поэтому состав обучающих данных неясен.

Модель подходит для разметки текста по токенам в задачах, связанных с простатой. Карточка не уточняет набор меток, поддерживаемые языки, целевую аудиторию и конкретные сценарии применения, поэтому медицинскую надёжность результатов по этим данным оценить нельзя. Модель опубликована под лицензией MIT.

Сценарии применения

извлечение сущностей о простате из текста
разметка упоминаний простаты в медицинских документах
токенная классификация текста о заболеваниях простаты

Ограничения

README не раскрывает метки классов, состав датасета и поддерживаемые языки; название датасета указано как None. Результаты оценки не подтверждают пригодность модели для клинических решений.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

xlmroberta-ner-prostata-bs32

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

Loss: 0.0326
F1: 0.9542
Precision: 0.9484
Recall: 0.9600

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: 1e-05
train_batch_size: 1
eval_batch_size: 1
seed: 42
gradient_accumulation_steps: 32
total_train_batch_size: 32
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	F1	Precision	Recall
No log	1.0	98	0.4072	0.2942	0.2728	0.3191
No log	2.0	196	0.0944	0.8335	0.8155	0.8524
No log	3.0	294	0.0405	0.9191	0.9120	0.9262
No log	4.0	392	0.0306	0.9354	0.9204	0.9508
No log	5.0	490	0.0415	0.9294	0.9060	0.9540
10.6497	6.0	588	0.0257	0.9577	0.9555	0.9599
10.6497	7.0	686	0.0273	0.9624	0.9637	0.9612
10.6497	8.0	784	0.0232	0.9683	0.9689	0.9676
10.6497	9.0	882	0.0249	0.9693	0.9677	0.9709
10.6497	10.0	980	0.0237	0.9706	0.9684	0.9728

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: 2f3c98e