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-en

cmhyo

Разметка токеновТекст → label

Дообученная XLM-RoBERTa для классификации токенов в тексте, вероятно настроенная на англоязычный вариант PAN-X.

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

cmhyo/xlm-roberta-base-finetuned-panx-en — дообученная модель XLM-RoBERTa от cmhyo для классификации токенов. Суффикс panx-en указывает на настройку для англоязычного варианта задачи PAN-X, однако README сообщает только о дообучении на неизвестном наборе данных и не описывает разметку или назначение классов.

Модель содержит 305,2 млн параметров, использует архитектуру XLM-RoBERTa для классификации токенов, принимает текст и поддерживает контекст до 514 токенов. На оценочной выборке указаны loss 0,3906 и F1 0,6955. Распространяется по лицензии MIT.

Сценарии применения

разметка токенов в англоязычном тексте
извлечение сущностей из текста при наличии совместимой схемы меток
эксперименты с многоязычной классификацией токенов

Ограничения

README не раскрывает набор данных, метки и схему разметки, поэтому практическую применимость к конкретной задаче нужно проверять. Указанный F1 на оценочной выборке равен 0,6955.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

xlm-roberta-base-finetuned-panx-en

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: 0.3906
F1: 0.6955

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
1.0304	1.0	50	0.5497	0.5464
0.5022	2.0	100	0.4047	0.6934
0.3669	3.0	150	0.3906	0.6955

Framework versions

Transformers 4.57.6
Pytorch 2.11.0+cu128
Datasets 5.0.1
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: c28c922