Характеристики

Контекст: 514 токенов
Параметры: 305 млн
Лицензия: MIT
Архитектура: xlm-roberta · dense
Базовая модель: xlm-roberta-base
Библиотека: transformers
Опубликована: 14 авг 2026

Ссылки

Hugging Face

xlm-roberta-base-finetuned-panx-de

aoi-33

Разметка токеновТекст → label4 профессии

Дообученная немецкая XLM-RoBERTa для классификации токенов в задаче PAN-X.

9скачиваний 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

Это модель XLM-RoBERTa-base, дообученная для классификации токенов. По названию репозитория она предназначена для задачи PAN-X на немецком языке; в README приведена оценка F1 0,8638 и loss 0,1386 на наборе оценки, но датасет и подробности разметки не описаны. Модель содержит 305,2 млн параметров, принимает текст и использует контекст до 514 токенов. Разработчик — владелец репозитория aoi-33; базовая модель создана FacebookAI. Лицензия — MIT.

Сценарии применения

распознавание именованных сущностей в немецком тексте
разметка немецких текстов по токенам
извлечение сущностей из немецких документов

Ограничения

Описание датасета, схемы меток и ограничений применения отсутствует; результат F1 приведён только для неуточнённого набора оценки. Контекст ограничен 514 токенами.

Для каких профессий подходит4

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 I.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022модели

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: 0.1386
F1: 0.8638

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
0.2636	1.0	525	0.1496	0.8245
0.1295	2.0	1050	0.1347	0.8525
0.0806	3.0	1575	0.1386	0.8638

Framework versions

Transformers 4.57.6
Pytorch 2.13.0+cu126
Datasets 3.6.0
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: a5c2538