Характеристики

Контекст: 514 токенов
Параметры: 305 млн
Лицензия: MIT
Архитектура: xlm-roberta · dense
Базовая модель: xlm-roberta-base
Библиотека: transformers
Опубликована: 22 июн 2026

Ссылки

Hugging Face

xlm-roberta-base-finetuned-panx-all

h1nadesu

Разметка токеновТекст → label5 профессий

Многоязычная XLM-RoBERTa для разметки токенов и распознавания именованных сущностей в тексте.

8скачиваний за 30 дней0лайковвеса обновлены22 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

h1nadesu/xlm-roberta-base-finetuned-panx-all — модель XLM-RoBERTa, дообученная для классификации токенов. Она предназначена для разметки последовательностей, в частности для задач распознавания сущностей по токенам в разных языках. Модель содержит 305,2 млн параметров, принимает текст и имеет контекст до 514 токенов. В README приведён результат на оценочной выборке: F1 0,8683.

Модель разработана на основе FacebookAI/xlm-roberta-base и распространяется в формате safetensors под лицензией MIT. Карточка не раскрывает состав обучающего набора и детальные ограничения; название указывает на дообучение на PAN-X для нескольких языков.

Сценарии применения

распознавание именованных сущностей в многоязычных текстах
извлечение имён людей и организаций из документов
разметка географических названий в новостях
аннотирование токенов для последующей обработки текста

Ограничения

README не описывает ограничения и обучающие данные подробно. Указанная оценка F1 0,8683 относится к оценочной выборке и не гарантирует такое же качество на других языках и текстах.

Для каких профессий подходит5

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 II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей I.4Универсальные способностиОбработка документов и формAI помогает оцифровывать документы, проверять их комплектность и сокращать ручной ввод данных.16 задач7 180моделей I.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022модели

Также подходит для

II.10Разработка и эксплуатация AI/ML-систем

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

xlm-roberta-base-finetuned-panx-all

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: 0.1475
F1: 0.8683

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: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 3

Training results

Training Loss	Epoch	Step	Validation Loss	F1
0.2883	1.0	739	0.1893	0.8037
0.1527	2.0	1478	0.1529	0.8548
0.1021	3.0	2217	0.1475	0.8683

Framework versions

Transformers 4.45.0
Pytorch 2.11.0+cu128
Datasets 1.16.1
Tokenizers 0.20.3

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: 55e6e74