Характеристики

Лицензия: MIT
Базовая модель: xlm-roberta-large
Библиотека: transformers
Опубликована: 29 авг 2026

Ссылки

Hugging Face

Tokenization-large-last

Mohamedd123321

Заполнение пропусковТекст → текст

Дообученная XLM-RoBERTa Large для предсказания пропущенных токенов в тексте.

0скачиваний за 30 дней0лайковвеса обновлены30 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

Tokenization-large-last — дообученная версия XLM-RoBERTa Large на неизвестном наборе данных. Модель предназначена для задачи fill-mask: она предсказывает пропущенный токен в тексте. В README приведено значение loss 0,8002 на оценочном наборе, но состав набора и методика оценки не описаны.

Модель распространяется в формате safetensors по лицензии MIT. Сведения о специализации, поддерживаемых языках и ограничениях применения не приведены.

Сценарии применения

подстановка пропущенного слова в предложении
восстановление скрытого токена в тексте
оценка вариантов заполнения пропуска

Ограничения

Обучающий набор данных, поддерживаемые языки и область специализации не описаны. Значение loss приведено без сведений о составе и методике оценки набора.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Tokenization-large-last

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

Loss: 0.8002

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: 8
eval_batch_size: 16
seed: 42
gradient_accumulation_steps: 4
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: 3

Training results

Training Loss	Epoch	Step	Validation Loss
1.197	1.0	14289	1.0180
0.9916	2.0000	28577	0.8641
0.8583	3.0000	42866	0.8002

Framework versions

Transformers 4.56.0
Pytorch 2.8.0+cu129
Datasets 5.0.1
Tokenizers 0.22.0

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers · fill-mask

Нельзя запустить

Доступ к модели ограничен автором; у платформы нет доступа к весам.

Ревизия весов: 8c4e02f