Характеристики

Контекст: 514 токенов
Параметры: 305 млн
Лицензия: MIT
Архитектура: xlm-roberta · dense
Базовая модель: xlm-roberta-base
Библиотека: transformers
Опубликована: 19 июн 2026

Ссылки

xlmr-roberta-base-finetuned-panx-de-fr

Разметка токеновТекст → label4 профессии

Дообученная XLM-RoBERTa Base для классификации токенов, в частности распознавания сущностей в немецком и французском текстах.

7скачиваний за 30 дней0лайковвеса обновлены19 июн 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. В карточке указан результат F1 0,8586 на оценочной выборке, однако набор данных обозначен как None, поэтому результат нельзя связать с конкретным тестовым корпусом. Модель основана на архитектуре XLM-RoBERTa, содержит 305,2 млн параметров и принимает последовательности длиной до 514 токенов.

Модель предназначена для присвоения меток отдельным токенам, например для распознавания именованных сущностей. По названию репозитория она настроена на немецкий и французский варианты задачи PAN-X, но карточка не описывает точную схему меток и оценочные данные. Весовые файлы доступны в формате safetensors. Лицензия — MIT.

Сценарии применения

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

Ограничения

Карточка не уточняет датасет (он обозначен как None), схему меток и ограничения применения; указанный F1 0,8586 относится к оценочной выборке без описанного контекста.

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

xlmr-roberta-base-finetuned-panx-de-fr

This model is a fine-tuned version of xlm-roberta-base on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.1627
F1: 0.8586

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
0.2834	1.0	715	0.1831	0.8280
0.1446	2.0	1430	0.1672	0.8437
0.0940	3.0	2145	0.1627	0.8586

Framework versions

Transformers 5.10.2
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: 77da32b