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-it

heewook1

Разметка токеновТекст → label

Дообученная XLM-RoBERTa Base для классификации токенов, вероятно разметки именованных сущностей на итальянском языке.

6скачиваний 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

Модель heewook1/xlm-roberta-base-finetuned-panx-it — дообученная версия XLM-RoBERTa Base для классификации токенов. Она предназначена для разметки отдельных слов и токенов, например для распознавания именованных сущностей. Модель содержит 305,2 млн параметров, использует архитектуру XLM-RoBERTa и формат safetensors; максимальный контекст — 514 токенов. Базовая модель — FacebookAI/xlm-roberta-base.

В README указаны результаты оценки: F1 0,8225 и loss 0,2566. Суффикс «it» в названии предполагает связь с итальянским языком, но карточка не описывает набор данных и конкретные метки. Лицензия — MIT.

Сценарии применения

разметка именованных сущностей в итальянском тексте
извлечение имен людей, организаций и мест из текста
классификация слов и токенов по меткам

Ограничения

Датасет и набор предсказываемых меток не описаны; применимость к конкретным типам сущностей следует проверять отдельно. В README приведены результаты только одной оценки: F1 0,8225.

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 an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.2566
F1: 0.8225

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
0.7495	1.0	70	0.3095	0.7573
0.2886	2.0	140	0.2496	0.8151
0.1717	3.0	210	0.2566	0.8225

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: 99ae079