/ Модель

Характеристики

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

polystring-lid

Разметка токеновТекст → label6 профессий

Дообученная XLM-RoBERTa для определения языка текстовых фрагментов с разметкой токенов.

25скачиваний за 30 дней0лайковвеса обновлены1 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

polystring-lid — модель Saad Lohani для определения языка отдельных фрагментов текста. Она дообучена на базе FacebookAI/xlm-roberta-base и использует архитектуру XLM-RoBERTa с классификацией токенов. В метаданных указаны 305,2 млн параметров и контекст длиной 514 токенов; доступны форматы Safetensors и ONNX.

Модель предназначена для разметки текстовых последовательностей метками языков. В README приведены результаты оценки: loss 0,1267 и F1 0,8848. Набор данных для обучения и подробности о поддерживаемых языках не описаны. Лицензия — MIT.

Сценарии применения

  • определение языка отдельных фрагментов текста
  • разметка языков в многоязычной строке
  • выделение участков текста на разных языках
  • автоматическая языковая разметка последовательностей

Ограничения

README не описывает поддерживаемые языки, обучающие данные и предполагаемые ограничения; указанное значение F1 0,8848 относится к оценочному набору, детали которого не приведены.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

polystring-lid

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: 0.1267
  • F1: 0.8848

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: 2e-05
  • train_batch_size: 16
  • eval_batch_size: 32
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 32
  • 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
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 3
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossF1
0.31341.0188380.29410.8119
0.19352.0376760.18070.8551
0.13573.0565140.12670.8848

Framework versions

  • Transformers 4.57.6
  • 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
a085fb4

0 моделей