/ Модель

Характеристики

Контекст
514 токенов
Параметры
305 млн
Лицензия
Apache 2.0
Архитектура
xlm-roberta · dense
Базовая модель
xlm-roberta-base
Опубликована
13 авг 2026

code-switching-codesaviours-si26-sumair

Разметка токеновТекст → label5 профессий

Модель размечает токены в смешанном тексте на Roman Urdu и английском, определяя урду, английские и гибридные токены.

8скачиваний за 30 дней0лайковвеса обновлены20 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

Модель Sumair-Parveiz — дообученная версия XLM-RoBERTa base для определения языка на уровне токенов в текстах, где смешаны романизированный урду и английский. Она присваивает каждому токену одну из меток: URD для Roman Urdu, ENG для английского или MIX для смешанного, гибридного либо локализованного токена.

Модель подходит для анализа переключения языков и разметки смешанного текста. В README приведены метрики на тестовых токенах: F1 0,99 для URD, 0,98 для ENG и 0,84 для MIX; показатели для смешанных токенов ниже. Архитектура — XLM-RoBERTa для классификации токенов, размер — 305,2 млн параметров, контекст — 514 токенов. Лицензия — Apache 2.0.

Сценарии применения

  • определение языка каждого токена в тексте на Roman Urdu и английском
  • анализ переключения между урду и английским
  • поиск и разметка гибридных или локализованных слов
  • подготовка языковой разметки для корпусов смешанного текста

Ограничения

Качество определения гибридных и локализованных токенов ниже, чем для Roman Urdu и английских токенов: F1 для класса MIX составляет 0,84. Модель предназначена для текстов на Roman Urdu и английском; README не подтверждает пригодность для других языковых сочетаний.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model for Code-Switched Roman Urdu & English

This model is a fine-tuned version of XLM-RoBERTa (base) trained for token-level language identification in Roman Urdu and English text.

Intended Use & Task

  • Task: Token Classification (Language Identification)
  • Labels:
    • 0 / URD: Roman Urdu token
    • 1 / ENG: English token
    • 2 / MIX: Code-switched / Hybrid / Localized token

Performance & Evaluation Metrics

Evaluated on test set tokens:

ClassPrecisionRecallF1-Score
URD1.000.980.99
ENG0.961.000.98
MIX0.890.800.84
Accuracy——0.98

How to Use

from transformers import AutoTokenizer, AutoModelForTokenClassification, pipeline

model_id = "Sumair-Parveiz/code-switching-codesaviours-si26-sumair"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForTokenClassification.from_pretrained(model_id)

nlp = pipeline("token-classification", model=model, tokenizer=tokenizer)
example = "Main abhi sochoing mode mein hoon"
print(nlp(example))

Как запустить

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

GPU в ailist

Универсальный рантайм · token-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
XLMRobertaForTokenClassification
Ревизия весов
9f2df36

0 моделей