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-it

h1nadesu

Разметка токеновТекст → label

Модель XLM-RoBERTa для классификации токенов и распознавания сущностей в итальянском тексте.

6скачиваний 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-it — модель XLM-RoBERTa, дообученная на датасете XTREME для классификации токенов. Суффикс panx-it указывает на вариант для итальянского языка; модель предназначена для задач разметки последовательностей, например распознавания именованных сущностей в итальянском тексте.

Модель содержит 305,2 млн параметров, использует архитектуру XLM-RoBERTa и принимает текстовые последовательности с контекстом до 514 токенов. В карточке приведены результаты оценки на тестовой выборке: F1 0,8311 и loss 0,2505. Доступна в формате safetensors и распространяется по лицензии MIT.

Сценарии применения

распознавание именованных сущностей в итальянском тексте
разметка токенов итальянских документов
извлечение сущностей из итальянских новостей

Ограничения

В карточке указаны F1 0,8311 и loss 0,2505 на оценочной выборке XTREME, но подробности разбиения и схемы меток не приведены. Контекст ограничен 514 токенами.

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 the xtreme dataset. It achieves the following results on the evaluation set:

Loss: 0.2505
F1: 0.8311

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
0.7468	1.0	70	0.2992	0.7633
0.2905	2.0	140	0.2638	0.7990
0.182	3.0	210	0.2505	0.8311

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: f4aff02