Характеристики

Контекст: 514 токенов
Параметры: 659 млн
Лицензия: MIT
Архитектура: xlm-roberta · dense
Базовая модель: afro-xlmr-large-114L
Библиотека: transformers
Опубликована: 4 авг 2026

Ссылки

Hugging Face

truecaser-lin-sna

sulaimank

Разметка токеновТекст → label3 профессии

Дообученная XLM-RoBERTa Large для восстановления регистра в тексте на языке Sna.

8скачиваний за 30 дней0лайковвеса обновлены4 авг 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

sulaimank/truecaser-lin-sna — дообученная модель XLM-RoBERTa Large для восстановления регистра в тексте языка Sna. Она выполняет токен-классификацию: предсказывает регистровую метку для каждого токена. Модель содержит 658,7 млн параметров, принимает текст с контекстом до 514 токенов и распространяется в формате safetensors.

В README приведены результаты оценки: accuracy 0,9932 и recall для метки Lower 0,9984; для метки Cap указаны recall 0,9374 и precision 0,9788. Данные обучения и подробности применения в карточке не описаны. Модель основана на Davlan/afro-xlmr-large-114L. Лицензия — MIT.

Сценарии применения

восстановление заглавных букв и обычного регистра в тексте на языке Sna
автоматическая нормализация регистра токенов в корпусах на языке Sna
подготовка текста на языке Sna к публикации или дальнейшей обработке

Ограничения

В README не указаны данные обучения и подробные ограничения. Для метки Upper в оценке указаны нулевые recall и precision, поэтому поведение модели для этой метки не подтверждено.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей I.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

truecaser-lin-sna

This model is a fine-tuned version of Davlan/afro-xlmr-large-114L on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.0276
Accuracy: 0.9932
Recall Lower: 0.9984
Prec Lower: 0.9944
Recall Cap: 0.9374
Prec Cap: 0.9788
Recall Upper: 0.0
Prec Upper: 0.0
Cap Recall: 0.9319

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: 2e-05
train_batch_size: 16
eval_batch_size: 32
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
lr_scheduler_warmup_ratio: 0.1
num_epochs: 5.0
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy	Recall Lower	Prec Lower	Recall Cap	Prec Cap	Recall Upper	Prec Upper	Cap Recall
0.0611	0.1037	200	0.0382	0.9926	0.9973	0.9948	0.9418	0.9657	0.0	0.0	0.9362
0.0345	0.2074	400	0.0328	0.9920	0.9948	0.9970	0.9646	0.9348	0.0	0.0	0.9589
0.0303	0.3110	600	0.0285	0.9927	0.9984	0.9940	0.9305	0.9760	0.0	0.0	0.9250
0.033	0.4147	800	0.0272	0.9934	0.9974	0.9959	0.9499	0.9660	0.2105	0.3077	0.9456
0.0296	0.5184	1000	0.0270	0.9934	0.9965	0.9967	0.9609	0.9543	0.0526	1.0	0.9555
0.0327	0.6221	1200	0.0276	0.9932	0.9984	0.9944	0.9374	0.9788	0.0	0.0	0.9319

Framework versions

Transformers 4.57.6
Pytorch 2.13.0+cu130
Datasets 3.6.0
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: cf748f0