Характеристики

Контекст: 514 токенов
Параметры: 305 млн
Лицензия: MIT
Архитектура: xlm-roberta · dense
Базовая модель: xlm-roberta-base
Библиотека: transformers
Опубликована: 16 июл 2026

Ссылки

Hugging Face

xlm-roberta-base-finetuned-panx-de

heewook1

Разметка токеновТекст → label

Дообученная XLM-RoBERTa Base для классификации токенов и распознавания сущностей в немецком тексте.

5скачиваний за 30 дней0лайковвеса обновлены16 июл 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

heewook1/xlm-roberta-base-finetuned-panx-de — дообученная модель XLM-RoBERTa Base для классификации токенов. Она предназначена для разметки последовательностей, в частности для распознавания именованных сущностей на немецком языке, что следует из суффикса panx-de в названии. Модель содержит 305,2 млн параметров, использует архитектуру XLMRobertaForTokenClassification и принимает текст. Максимальная длина контекста — 514 токенов.

В README указаны результаты оценки: loss 0,1392 и F1 0,8651; описание обучающего набора и подробности оценки не приведены. Базовая модель — FacebookAI/xlm-roberta-base. Модель распространяется по лицензии MIT.

Сценарии применения

разметка именованных сущностей в немецких текстах
извлечение имен и организаций из документов на немецком
токеновая классификация немецких последовательностей

Ограничения

Обучающий набор указан как неизвестный, а подробности предназначения и оценки отсутствуют; приведённый F1 не сопровождается описанием протокола оценки. 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-de

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: 0.1392
F1: 0.8651

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
0.2571	1.0	525	0.1540	0.8268
0.1300	2.0	1050	0.1409	0.8495
0.0806	3.0	1575	0.1392	0.8651

Framework versions

Transformers 5.0.0
Pytorch 2.10.0+cu128
Datasets 5.0.0
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: ed45c8d