Характеристики

Контекст: 514 токенов
Параметры: 421 млн
Лицензия: Apache 2.0
Архитектура: xlm-roberta · dense
Базовая модель: glot500-base
Библиотека: transformers
Опубликована: 14 авг 2026

Ссылки

Hugging Face

glot500-base-kuoss-morph

ania3000

Разметка токеновТекст → label3 профессии

Дообученная многоязычная XLM-RoBERTa-модель для классификации токенов в тексте.

8скачиваний за 30 дней0лайковвеса обновлены14 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

ania3000/glot500-base-kuoss-morph — дообученная модель XLM-RoBERTa для классификации токенов. Она основана на cis-lmu/glot500-base, многоязычной модели, предварительно обученной на 500 и более языках. Модель содержит 421,3 млн параметров, принимает текст и имеет контекстное окно 514 токенов.

В карточке указаны результаты оценки на тестовом наборе: точность 92,68%, точность на уровне предложений 49,61% и значение функции потерь 0,6143. Данные обучения, конкретная схема разметки и предполагаемые сценарии применения не описаны, поэтому результаты не позволяют определить, какие именно метки предсказывает модель и насколько она подходит для конкретной задачи. Распространяется по лицензии Apache-2.0.

Сценарии применения

классификация токенов в многоязычном тексте

Ограничения

В карточке не описаны обучающий набор данных, схема меток и конкретные целевые сценарии. Указанная точность на уровне предложений заметно ниже токенной точности, поэтому качество зависит от задачи и способа оценки.

Для каких профессий подходит3

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 II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

trainer_output

This model is a fine-tuned version of cis-lmu/glot500-base on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.6143
Accuracy: 92.6801
Sentence accuracy: 49.6136

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: 8
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: 25

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy	Sentence accuracy
3.2625	1.0	596	1.9812	68.8441	6.6461
1.4589	2.0	1192	1.1165	80.5189	16.2287
0.8781	3.0	1788	0.8618	86.7153	29.9845
0.6031	4.0	2384	0.7105	88.6148	34.9304
0.4735	5.0	2980	0.6176	90.0510	39.1036
0.2919	6.0	3576	0.5885	90.7575	42.5039
0.239	7.0	4172	0.5611	91.1860	43.4312
0.2052	8.0	4768	0.5484	91.7188	44.2040
0.1687	9.0	5364	0.5352	91.9620	45.2859
0.1489	10.0	5960	0.5616	92.1010	47.1406
0.1057	11.0	6556	0.5477	92.4137	46.0587
0.0928	12.0	7152	0.5564	92.7264	48.3771
0.0795	13.0	7748	0.5865	92.7033	48.0680
0.0665	14.0	8344	0.5894	92.6917	48.5317
0.0603	15.0	8940	0.6033	92.6685	48.6862
0.044	16.0	9536	0.6143	92.6801	49.6136

Framework versions

Transformers 4.57.3
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: f4bc6d8