Характеристики

Контекст: 514 токенов
Параметры: 305 млн
Лицензия: MIT
Архитектура: xlm-roberta · dense
Базовая модель: xlm-roberta-base
Библиотека: transformers
Опубликована: 8 июл 2026

Ссылки

Hugging Face

xlm-roberta-base-finetuned-panx-all

srmjfba

Разметка токеновТекст → label6 профессий

Дообученная XLM-RoBERTa Base для классификации токенов и разметки фрагментов текста.

9скачиваний за 30 дней0лайковвеса обновлены8 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

srmjfba/xlm-roberta-base-finetuned-panx-all — дообученная модель XLM-RoBERTa Base для классификации токенов. В метаданных указана архитектура XLMRobertaForTokenClassification, 305,2 млн параметров и контекст до 514 токенов. Модель предназначена для разметки отдельных слов и фрагментов текста, например распознавания именованных сущностей; название указывает на обучение на PAN-X, однако README не подтверждает состав датасета.

Модель использует библиотеку Transformers и распространяется в формате safetensors. В README приведены результаты оценки: F1 0,8550 и loss 0,1725. Лицензия — MIT. Сведения о поддерживаемых языках, конкретных типах меток и ограничениях качества не приводятся.

Сценарии применения

распознавание именованных сущностей в тексте
разметка токенов для извлечения сущностей
выделение фрагментов текста для последующей обработки

Ограничения

README не сообщает, какие языки и типы сущностей поддерживаются; значение F1 дано без описания набора оценки.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель I.4Универсальные способностиОбработка документов и формAI помогает оцифровывать документы, проверять их комплектность и сокращать ручной ввод данных.16 задач7 180моделей II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей I.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022модели

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

xlm-roberta-base-finetuned-panx-all

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: 0.1725
F1: 0.8550

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
0.2955	1.0	835	0.1863	0.8201
0.1578	2.0	1670	0.1685	0.8454
0.1025	3.0	2505	0.1725	0.8550

Framework versions

Transformers 4.57.1
Pytorch 2.12.1+cu130
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: 9e9083c