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-fr

srmjfba

Разметка токеновТекст → label

Дообученная XLM-RoBERTa Base для классификации токенов, предназначенная по названию для французского варианта 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-fr — модель разметки последовательностей на базе XLM-RoBERTa Base, дообученная для классификации токенов. По названию репозитория модель предназначена для французского набора PAN-X; README указывает, что датасет неизвестен, поэтому конкретный тип разметки установить нельзя.

Модель содержит 305,2 млн параметров, использует архитектуру XLM-RoBERTa и библиотеку Transformers. Максимальная длина контекста — 514 токенов. На оценочной выборке указаны loss 0,2695 и F1 0,8524. Распространяется по лицензии MIT.

Сценарии применения

классификация токенов во французском тексте
разметка последовательностей в задачах на основе PAN-X
извлечение сущностей, если метки набора данных соответствуют этой задаче

Ограничения

README не раскрывает метки, состав обучающего набора и предполагаемое применение; по одному названию нельзя подтвердить конкретную схему разметки. Для контекста длиннее 514 токенов потребуется разбиение входного текста.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

xlm-roberta-base-finetuned-panx-fr

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: 0.2695
F1: 0.8524

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
0.5376	1.0	191	0.3145	0.7976
0.2579	2.0	382	0.2704	0.8172
0.1724	3.0	573	0.2695	0.8524

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: 3a0bc75