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-en

srmjfba

Разметка токеновТекст → label

Дообученная XLM-RoBERTa для токеновой классификации текста, обозначенная как вариант для английской версии PAN-X.

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-en — модель токеновой классификации на архитектуре XLM-RoBERTa, дообученная на базе FacebookAI/xlm-roberta-base. Она предназначена для присвоения меток отдельным токенам в последовательности; название указывает на настройку для английской версии PAN-X, однако подробности о разметке и обучающем наборе в карточке не приведены.

Модель содержит 305,2 млн параметров, принимает текст и поддерживает контекст до 514 токенов. В README приведены результаты оценки: loss 0,4109 и F1 0,6814. Опубликована в формате safetensors и распространяется по лицензии MIT.

Сценарии применения

разметка токенов в английских текстах
извлечение сущностей из текста
классификация слов и фрагментов текста по меткам

Ограничения

README не уточняет обучающий набор и схему меток. Указанный F1 равен 0,6814; применимость результата зависит от задачи и данных оценки.

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: 0.4109
F1: 0.6814

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
1.0573	1.0	50	0.5265	0.5914
0.4893	2.0	100	0.4334	0.6354
0.3798	3.0	150	0.4109	0.6814

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: b4461fc