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-de-fr

srmjfba

Разметка токеновТекст → label5 профессий

Дообученная XLM-RoBERTa для распознавания именованных сущностей в немецком и французском тексте.

6скачиваний 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-de-fr — модель XLM-RoBERTa, дообученная на задаче классификации токенов. По названию репозитория она предназначена для распознавания именованных сущностей на немецком и французском языках; базовая модель — FacebookAI/xlm-roberta-base.

Модель содержит 305,2 млн параметров, принимает текст и рассчитана на контекст до 514 токенов. В README приведён результат оценки: F1 0,8585 и loss 0,1598, однако датасет указан как None, а описание обучения и ограничения не раскрыты. Модель распространяется по лицензии MIT.

Сценарии применения

извлечение имен людей из немецких текстов
извлечение организаций из французских документов
распознавание мест и географических названий в немецком тексте
разметка именованных сущностей во франкоязычных данных

Ограничения

README не описывает обучающий набор данных и ограничения применения; указанная оценка F1 0,8585 приведена без подробностей протокола оценки.

Для каких профессий подходит5

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

II.10Разработка и эксплуатация AI/ML-систем

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

xlm-roberta-base-finetuned-panx-de-fr

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: 0.1598
F1: 0.8585

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
0.282	1.0	715	0.1820	0.8269
0.1472	2.0	1430	0.1576	0.8497
0.0942	3.0	2145	0.1598	0.8585

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: d60d44e