Характеристики

Контекст: 514 токенов
Параметры: 305 млн
Лицензия: MIT
Архитектура: xlm-roberta · dense
Базовая модель: xlm-roberta-base
Библиотека: transformers
Опубликована: 23 июн 2026

Ссылки

Hugging Face

xlm-roberta-base-finetuned-panx-de

vhor

Разметка токеновТекст → label

Дообученная на PAN-X немецкоязычная XLM-RoBERTa-модель для распознавания сущностей и другой токенной классификации.

6скачиваний за 30 дней0лайковвеса обновлены23 июн 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

vhor/xlm-roberta-base-finetuned-panx-de — модель токенной классификации на базе XLM-RoBERTa-base, дообученная для набора PAN-X с немецким языком. Она предназначена для присвоения меток отдельным токенам, в частности для распознавания именованных сущностей в тексте. Модель содержит 305,2 млн параметров, использует архитектуру XLM-RoBERTa и поддерживает контекст до 514 токенов.

На оценочной выборке указаны F1 0,8533 и loss 0,2654. Репозиторий распространяется по лицензии MIT. Подробности о составе обучающих данных, схеме меток и ограничениях применения в карточке не раскрыты.

Сценарии применения

распознавание именованных сущностей в немецком тексте
извлечение персон, организаций и географических названий
токенная разметка немецких документов
предварительная разметка текста для проверки человеком

Ограничения

Карточка не описывает схему меток и обучающий набор подробно; метрика F1 приведена только для оценочной выборки, поэтому качество на других данных не установлено.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

xlm-roberta-base-finetuned-panx-de

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: 0.2654
F1: 0.8533

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: 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
num_epochs: 3

Training results

Training Loss	Epoch	Step	Validation Loss	F1
No log	1.0	197	0.3106	0.8242
0.4453	2.0	394	0.2671	0.8509
0.4453	3.0	591	0.2654	0.8533

Framework versions

Transformers 5.0.0
Pytorch 2.10.0+cu128
Datasets 4.8.5
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: 17cf777