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

xlm-roberta-base-finetuned-panx-it

Разметка токеновТекст → label6 профессий

Дообученная XLM-RoBERTa для классификации токенов и разметки последовательностей, включая распознавание именованных сущностей.

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-it — дообученная модель семейства XLM-RoBERTa для классификации токенов. Она предназначена для разметки последовательностей, в частности для распознавания именованных сущностей. В README указаны результаты оценки: F1 0,8348 и loss 0,2473; датасет не назван. Модель содержит 305,2 млн параметров, использует архитектуру XLMRobertaForTokenClassification и формат safetensors. Базовая модель — FacebookAI/xlm-roberta-base, длина контекста — 514 токенов. Распространяется по лицензии MIT.

Сценарии применения

распознавание именованных сущностей в тексте
разметка токенов для извлечения сущностей
классификация токенов в последовательностях

Ограничения

README не сообщает, на каком датасете обучена модель; приведённые метрики относятся к оценочному набору, состав которого не раскрыт.

Для каких профессий подходит6

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 II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

xlm-roberta-base-finetuned-panx-it

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: 0.2473
F1: 0.8348

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
0.7601	1.0	70	0.3217	0.7531
0.2878	2.0	140	0.2419	0.7955
0.1768	3.0	210	0.2473	0.8348

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: 79ae8d7