Характеристики

Лицензия: MIT
Базовая модель: afro-xlmr-base
Библиотека: transformers
Опубликована: 10 июл 2026

Ссылки

Hugging Face

waxal-punct-restorer

sulaimank

Разметка токеновТекст → label

Дообученная на базе AfroXLMR модель для восстановления пунктуации в тексте.

0скачиваний за 30 дней0лайковвеса обновлены10 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

waxal-punct-restorer — дообученная модель Sulaiman K. на базе Davlan/afro-xlmr-base для восстановления пунктуации в тексте с помощью классификации токенов. Основа модели — многоязычная XLM-RoBERTa, предназначенная для работы с африканскими языками. В карточке приведены результаты оценки: точность 0,9489, F1 для точки 0,7810 и F1 для запятой 0,2730.

Модель подходит для автоматической расстановки точек и запятых в тексте. Данные обучения указаны как None, а описание сценариев применения и ограничений в карточке не раскрыто. Модель распространяется по лицензии MIT.

Сценарии применения

автоматическая расстановка точек в тексте
восстановление запятых в тексте
добавление пунктуации в тексты без знаков препинания

Ограничения

F1 для восстановления запятых составляет 0,2730, поэтому качество на этом знаке может быть ограниченным. Датасет обучения в карточке указан как None.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

waxal-punct-restorer

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

Loss: 0.1497
Acc: 0.9489
Comma F1: 0.2730
Period F1: 0.7810

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: 64
eval_batch_size: 64
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_steps: 0.1
num_epochs: 4

Training results

Training Loss	Epoch	Step	Validation Loss	Acc	Comma F1	Period F1
0.2030	0.4	200	0.2088	0.9386	0.0	0.7055
0.1714	0.8	400	0.1697	0.9450	0.0289	0.7521
0.1588	1.2	600	0.1620	0.9456	0.1330	0.7574
0.1552	1.6	800	0.1564	0.9477	0.1863	0.7674
0.1497	2.0	1000	0.1537	0.9479	0.2649	0.7727
0.1440	2.4	1200	0.1536	0.9469	0.2754	0.7735
0.1432	2.8	1400	0.1526	0.9475	0.2687	0.7749
0.1399	3.2	1600	0.1500	0.9494	0.2605	0.7805
0.1400	3.6	1800	0.1501	0.9489	0.2803	0.7812
0.1389	4.0	2000	0.1497	0.9489	0.2730	0.7810

Framework versions

Transformers 5.13.0
Pytorch 2.12.1+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

Нельзя запустить

Доступ к модели ограничен автором; у платформы нет доступа к весам.

Ревизия весов: 84c1e30