Характеристики

Контекст: 514 токенов
Параметры: 305 млн
Лицензия: MIT
Архитектура: xlm-roberta · dense
Базовая модель: xlm-roberta-base-ner-hrl
Библиотека: onnx
Опубликована: 23 дек 2025

Ссылки

xlm-roberta-base-ner-hrl-onnx

Разметка токеновТекст → label6 профессий

tjruesch/xlm-roberta-base-ner-hrl-onnx — ONNX-версия модели Davlan/xlm-roberta-base-ner-hrl, экспортированная ELAN Languages.

3 929скачиваний за 30 дней0лайковвеса обновлены23 дек 2025

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 предназначена для извлечения именованных сущностей из текста и может использоваться через ONNX Runtime, Transformers.js и в сценариях обезличивания данных, включая bridge-anonymization.

В основе лежит XLM-RoBERTa base для многоязычной token classification. Модель поддерживает английский, немецкий, испанский, французский, итальянский, португальский, нидерландский и другие языки. Заявлены сущности PER для имён людей, ORG для организаций, LOC для местоположений и DATE для дат, если они поддерживаются базовой моделью. Доступны полноточная версия FP32 размером около 1059 МБ и квантизованная версия INT8 размером около 265 МБ.

Сильные стороны модели — многоязычность, совместимость с ONNX Runtime и уменьшенный размер INT8-варианта, что может быть удобно для локального или браузерного развёртывания. Ограничения включают зависимость набора распознаваемых сущностей от базовой модели и отсутствие в README сведений о точности, максимальной длине контекста и производительности. Модель распространяется по лицензии MIT.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель I.4Универсальные способностиОбработка документов и формAI помогает оцифровывать документы, проверять их комплектность и сокращать ручной ввод данных.16 задач7 180моделей II.11Разработка и данныеКибербезопасность и приватностьAI помогает обнаруживать киберугрозы, защищать данные и помогать реагировать на инциденты.25 задач4 232модели II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

XLM-RoBERTa NER (ONNX)

ONNX export of Davlan/xlm-roberta-base-ner-hrl for use with ONNX Runtime, Transformers.js, and bridge-anonymization.

Models

Model	Size	Description
onnx/model.onnx	1059 MB	Full precision FP32
onnx/model_quantized.onnx	265 MB	Quantized INT8 (~4x smaller)

Supported Entity Types

PER - Person names
ORG - Organizations
LOC - Locations
DATE - Dates (if supported by base model)

Supported Languages

English, German, Spanish, French, Italian, Portuguese, Dutch, and more.

Usage with bridge-anonymization

See the bridge-anonymization documentation for usage instructions.

License

MIT License - see the base model Davlan/xlm-roberta-base-ner-hrl for original model license.

Credits

Original model by Davlan
ONNX export by ELAN Languages

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · onnx

Нельзя запустить

Модель выложена только в формате ONNX, рантайм загружает PyTorch-веса.

Класс архитектуры: XLMRobertaForTokenClassification
Ревизия весов: c460d3b