Характеристики

Контекст: 514 токенов
Параметры: 305 млн
Лицензия: MIT
Архитектура: xlm-roberta · dense
Базовая модель: xlm-roberta-base
Библиотека: transformers
Опубликована: 9 авг 2026

Ссылки

xlm-roberta-base-finetuned-panx-de-en

Разметка токеновТекст → label3 профессии

Модель XLM-RoBERTa для классификации токенов, вероятно предназначенная для разметки текста на немецком и английском языках.

6скачиваний за 30 дней0лайковвеса обновлены9 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

creemur/xlm-roberta-base-finetuned-panx-de-en — модель XLM-RoBERTa, дообученная для классификации токенов. Она содержит 305,2 млн параметров, принимает текст и поддерживает контекст до 514 токенов. Суффикс panx-de-en указывает на связь с задачей распознавания сущностей на немецком и английском языках, однако README не раскрывает назначение модели и обучающий набор, поэтому эту специализацию нельзя подтвердить по карточке.

Модель построена на базе FacebookAI/xlm-roberta-base и использует архитектуру XLMRobertaForTokenClassification. В README приведены метрики оценки: loss 0,4120 и F1 0,6947. Лицензия — MIT. Данных о специальных ограничениях и сценариях применения карточка не содержит.

Сценарии применения

распознавание именованных сущностей в немецком тексте
распознавание именованных сущностей в английском тексте
разметка токенов в многоязычных текстах

Ограничения

README не указывает обучающий набор и назначение модели, а приведённые метрики не сопровождаются описанием тестового набора; качество для конкретных данных следует проверять отдельно.

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 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

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

xlm-roberta-base-finetuned-panx-de-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: 0.4120
F1: 0.6947

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
1.0355	1.0	50	0.5356	0.5468
0.4924	2.0	100	0.3917	0.6861
0.3678	3.0	150	0.4120	0.6947

Framework versions

Transformers 5.13.1
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: fdd3131