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-en

heewook1

Разметка токеновТекст → label

Дообученная XLM-RoBERTa для разметки токенов в тексте, включая задачи распознавания именованных сущностей.

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-en — модель XLM-RoBERTa, дообученная для классификации токенов. Она предназначена для разметки отдельных слов и фрагментов текста, например для распознавания именованных сущностей. Модель содержит 305,2 млн параметров, принимает текст и поддерживает контекст до 514 токенов.

В README приведены результаты оценки: loss 0,4120 и F1 0,6947. Датасет и подробности обучения не описаны. Модель основана на FacebookAI/xlm-roberta-base, использует библиотеку Transformers и формат Safetensors. Лицензия — MIT.

Сценарии применения

извлечение имен и сущностей из текста
разметка слов по категориям
выделение сущностей в многоязычных текстах

Ограничения

В README не указаны обучающий датасет и конкретные сценарии применения; оценочный F1 составляет 0,6947, поэтому качество может быть недостаточным для задач, требующих высокой точности.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

xlm-roberta-base-finetuned-panx-en

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: 0.4120
F1: 0.6947

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
1.0355	1.0	50	0.5356	0.5468
0.4924	2.0	100	0.3917	0.6861
0.3678	3.0	150	0.4120	0.6947

Framework versions

Transformers 5.12.1
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: 16cf573