Характеристики

Контекст: 514 токенов
Параметры: 152 млн
Лицензия: CC BY-NC-SA 4.0
Архитектура: layoutlmv3 · dense
Базовая модель: layoutlmv3-base
Библиотека: transformers
Опубликована: 6 авг 2026

Ссылки

layoutlmv3-finetuned-ex

Разметка токеновТекст → label5 профессий

Дообученная на неизвестном наборе данных LayoutLMv3-модель для разметки и классификации токенов в документах с учётом их текста и структуры.

59скачиваний за 30 дней0лайковвеса обновлены10 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

Kay86X/layoutlmv3-finetuned-ex — дообученная Kay86X модель Microsoft LayoutLMv3 для классификации токенов в документах. Она предназначена для извлечения и разметки элементов документа с учётом текста, изображения страницы и пространственного расположения токенов. Модель построена на LayoutLMv3-base, содержит 151,8 млн параметров и принимает контекст до 514 токенов.

В README приведены результаты на оценочном наборе: F1 0,8332, precision 0,8362, recall 0,8351 и accuracy 0,9807. Датасет, схема меток и конкретная предметная область не описаны, поэтому качество на других типах документов и задачах не установлено. Для использования нужны текст документа и соответствующие координаты и изображения страниц. Лицензия CC BY-NC-SA 4.0 требует соблюдения условий атрибуции, распространения производных работ на тех же условиях и не допускает коммерческое использование.

Сценарии применения

извлечение размеченных полей из документов
классификация токенов на страницах документов
разметка сущностей с учётом расположения текста
автоматизация разбора документов с известной схемой меток

Ограничения

Датасет, языки и схема меток не описаны, поэтому назначение и переносимость результатов на конкретные документы неясны. В README указаны метрики на оценочном наборе, но не приведены его состав и методика.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель I.4Универсальные способностиОбработка документов и формAI помогает оцифровывать документы, проверять их комплектность и сокращать ручной ввод данных.16 задач7 180моделей I.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022модели II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Также подходит для

I.11Классификация, ранжирование и сопоставление

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

layoutlmv3-finetuned-ex

This model is a fine-tuned version of microsoft/layoutlmv3-base on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.1199
Precision: 0.8362
Recall: 0.8351
F1: 0.8332
Accuracy: 0.9807

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: 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
training_steps: 3000

Training results

Training Loss	Epoch	Step	Validation Loss	Precision	Recall	F1	Accuracy
0.0894	2.2321	500	0.0853	0.8742	0.7571	0.7733	0.9788
0.0296	4.4643	1000	0.0978	0.8005	0.8277	0.8134	0.9782
0.0154	6.6964	1500	0.1022	0.8286	0.8330	0.8289	0.9805
0.0089	8.9286	2000	0.1055	0.8101	0.8344	0.8212	0.9797
0.0051	11.1607	2500	0.1190	0.8346	0.8442	0.8375	0.9813
0.0028	13.3929	3000	0.1199	0.8362	0.8351	0.8332	0.9807

Framework versions

Transformers 5.13.1
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: LayoutLMv3ForTokenClassification
Ревизия весов: 2dda4a0