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-fr

Разметка токеновТекст → label

Дообученная XLM-RoBERTa Base для классификации токенов и распознавания именованных сущностей в немецких и французских текстах.

9скачиваний 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

Модель creemur/xlm-roberta-base-finetuned-panx-de-fr — дообученная версия XLM-RoBERTa Base для классификации токенов. По названию репозитория она предназначена для распознавания именованных сущностей на немецком и французском языках; точное описание набора данных и меток в карточке отсутствует. Модель содержит 305,2 млн параметров, использует архитектуру XLM-RoBERTa и принимает последовательности токенов с контекстом до 514 токенов.

На указанном в карточке наборе оценки модель получила F1 0,8466 и loss 0,2790. Её можно применять для извлечения сущностей из немецко- и франкоязычных текстов. Лицензия — MIT.

Сценарии применения

распознавание именованных сущностей в немецких текстах
распознавание именованных сущностей во французских текстах
извлечение сущностей из многоязычных документов

Ограничения

В карточке не описаны обучающий набор данных и метки классов, поэтому соответствие конкретной схеме сущностей неясно. Указанные метрики относятся к оценочному набору, детали которого не приведены.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

xlm-roberta-base-finetuned-panx-de-fr

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: 0.2790
F1: 0.8466

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
0.5448	1.0	191	0.3258	0.7906
0.2577	2.0	382	0.2635	0.8283
0.1753	3.0	573	0.2790	0.8466

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: a5f812d