Характеристики

Контекст: 514 токенов
Параметры: 305 млн
Лицензия: MIT
Архитектура: xlm-roberta · dense
Базовая модель: xlm-roberta-base
Библиотека: transformers
Опубликована: 11 авг 2026

Ссылки

Hugging Face

xlm-roberta-base-finetuned-panx-de

Kkanuu

Разметка токеновТекст → label6 профессий

Дообученная XLM-RoBERTa Base для разметки токенов, в том числе распознавания сущностей в немецком тексте.

5скачиваний за 30 дней0лайковвеса обновлены11 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

Kkanuu/xlm-roberta-base-finetuned-panx-de — модель XLM-RoBERTa Base, дообученная для классификации токенов. Она предназначена для разметки последовательностей, например для распознавания именованных сущностей в немецком тексте; карточка указывает на дообучение на наборе PANX, но подробности о данных не приведены. Модель содержит 305,2 млн параметров, принимает текст и имеет контекст до 514 токенов.

На оценочном наборе указаны loss 0,1426 и F1 0,8602. Лицензия — MIT. README не уточняет состав меток и обучающих данных, поэтому результаты не гарантируют качество на других доменах и типах текста.

Сценарии применения

распознавание именованных сущностей в немецком тексте
разметка токенов и последовательностей
извлечение сущностей из немецких документов

Ограничения

Сведения о наборе данных, составе меток и предполагаемой области применения не приведены. Указанные метрики получены на оценочном наборе и не характеризуют качество на других данных.

Для каких профессий подходит6

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 II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

xlm-roberta-base-finetuned-panx-de

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: 0.1426
F1: 0.8602

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: 24
eval_batch_size: 24
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: 3

Training results

Training Loss	Epoch	Step	Validation Loss	F1
No log	1.0	525	0.1526	0.8238
No log	2.0	1050	0.1426	0.8520
No log	3.0	1575	0.1426	0.8602

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: XLMRobertaForTokenClassification
Ревизия весов: e158e98