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

xlm-roberta-base-finetuned-panx-it

Разметка токеновТекст → label

Дообученная XLM-RoBERTa-base для классификации токенов, вероятно, распознавания именованных сущностей в итальянских текстах.

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

Модель srmjfba/xlm-roberta-base-finetuned-panx-it — дообученная компанией или автором аккаунта srmjfba версия XLM-RoBERTa-base от FacebookAI для классификации токенов. По названию репозитория она ориентирована на итальянский вариант задачи PAN-X, обычно связанной с распознаванием именованных сущностей. Модель содержит 305,2 млн параметров, построена на архитектуре XLM-RoBERTa и принимает текст; длина контекста составляет 514 токенов.

В README приведены результаты оценки: loss 0,2531 и F1 0,8300. Данные обучения и подробные ограничения не раскрыты. Лицензия — MIT.

Сценарии применения

распознавание именованных сущностей в итальянском тексте
разметка токенов итальянских документов
извлечение сущностей из новостных текстов на итальянском

Ограничения

Датасет обучения не указан, а приведённые показатели относятся только к оценочному набору и не гарантируют качество на других данных.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

xlm-roberta-base-finetuned-panx-it

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: 0.2531
F1: 0.8300

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
0.7111	1.0	70	0.2982	0.7618
0.2716	2.0	140	0.2598	0.7851
0.1752	3.0	210	0.2531	0.8300

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: 49a4afc