roberta-ner-ghtk-ai-fluent-new-data-3090-29may-1

Kudod/roberta-ner-ghtk-ai-fluent-new-data-3090-29may-1

roberta-ner-ghtk-ai-fluent-new-data-3090-29may-1 is a token classification model from Kudod. Use it when you need labels on individual words, such as names. It is set up for transformers. The card lists the license as mit.

should probably proofread and complete it, then remove this comment. --

Downloads · 30 days

3% of all-time downloads

All-time downloads

Public

Parameters

559M

15.7 GB on disk

Likes

Public

Hugging Face

Repo makeup

Click a slice to open those files.

.safetensors2.2 GB · 99%

At a glance

Task: Token Classification
Library: transformers
License: mit
Model type: xlm-roberta
Access: Public
Created: May 29, 2025
Updated: May 29, 2025
SHA: 7263c6f3

Try a prompt

Base models

FacebookAI/xlm-roberta-large

Model card

From the Hugging Face model README

roberta-ner-ghtk-ai-fluent-new-data-3090-29may-1

This model is a fine-tuned version of FacebookAI/xlm-roberta-large on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.1786
Ho: {'precision': 0.38461538461538464, 'recall': 0.7142857142857143, 'f1': 0.5, 'number': 7}
Hoảng thời gian: {'precision': 0.875, 'recall': 0.875, 'f1': 0.875, 'number': 16}
Háng trừu tượng: {'precision': 0.5, 'recall': 0.2, 'f1': 0.28571428571428575, 'number': 5}
Hông tin ctt: {'precision': 0.8947368421052632, 'recall': 0.8095238095238095, 'f1': 0.8500000000000001, 'number': 63}
Hụ cấp: {'precision': 0.6086956521739131, 'recall': 0.6363636363636364, 'f1': 0.6222222222222223, 'number': 22}
Hứ: {'precision': 0.5, 'recall': 0.3333333333333333, 'f1': 0.4, 'number': 3}
Iấy tờ: {'precision': 1.0, 'recall': 0.5, 'f1': 0.6666666666666666, 'number': 6}
Iền cụ thể: {'precision': 0.79, 'recall': 0.8977272727272727, 'f1': 0.8404255319148937, 'number': 88}
Iền trừu tượng: {'precision': 0.6, 'recall': 0.4838709677419355, 'f1': 0.5357142857142857, 'number': 31}
Ã số thuế: {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 2}
Ình thức làm việc: {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}
Ông: {'precision': 0.5, 'recall': 0.6, 'f1': 0.5454545454545454, 'number': 10}
Ương: {'precision': 0.7111111111111111, 'recall': 0.7804878048780488, 'f1': 0.7441860465116279, 'number': 82}
Ị trí: {'precision': 0.8, 'recall': 0.8148148148148148, 'f1': 0.8073394495412846, 'number': 54}
Ố công: {'precision': 0.7872340425531915, 'recall': 0.7872340425531915, 'f1': 0.7872340425531915, 'number': 47}
Ố giờ: {'precision': 0.8947368421052632, 'recall': 1.0, 'f1': 0.9444444444444444, 'number': 17}
Ố điểm: {'precision': 0.7142857142857143, 'recall': 1.0, 'f1': 0.8333333333333333, 'number': 5}
Ố đơn: {'precision': 0.8666666666666667, 'recall': 0.8125, 'f1': 0.8387096774193549, 'number': 16}
Ợt: {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}
Ỷ lệ: {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 3}
Overall Precision: 0.7571
Overall Recall: 0.7775
Overall F1: 0.7672
Overall Accuracy: 0.9576

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: 2.5e-05
train_batch_size: 16
eval_batch_size: 16
seed: 42
optimizer: Use OptimizerNames.ADAMW_TORCH with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
num_epochs: 10

Training results

Training Loss	Epoch	Step	Validation Loss	Ho	Hoảng thời gian	Háng trừu tượng	Hông tin ctt	Hụ cấp	Hứ	Iấy tờ	Iền cụ thể	Iền trừu tượng	Ã số thuế	Ình thức làm việc	Ông	Ương	Ị trí	Ố công	Ố giờ	Ố điểm	Ố đơn	Ợt	Ỷ lệ	Overall Precision	Overall Recall	Overall F1	Overall Accuracy
No log	1.0	74	0.2889	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 7}	{'precision': 0.2, 'recall': 0.0625, 'f1': 0.09523809523809523, 'number': 16}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 5}	{'precision': 0.7162162162162162, 'recall': 0.8412698412698413, 'f1': 0.7737226277372262, 'number': 63}	{'precision': 0.24444444444444444, 'recall': 0.5, 'f1': 0.3283582089552239, 'number': 22}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 6}	{'precision': 0.6422018348623854, 'recall': 0.7954545454545454, 'f1': 0.7106598984771573, 'number': 88}	{'precision': 0.3684210526315789, 'recall': 0.22580645161290322, 'f1': 0.28, 'number': 31}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 2}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 10}	{'precision': 0.4117647058823529, 'recall': 0.6829268292682927, 'f1': 0.5137614678899082, 'number': 82}	{'precision': 0.6923076923076923, 'recall': 0.5, 'f1': 0.5806451612903226, 'number': 54}	{'precision': 0.43209876543209874, 'recall': 0.7446808510638298, 'f1': 0.546875, 'number': 47}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 17}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 5}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 16}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	0.5118	0.5405	0.5258	0.9148
No log	2.0	148	0.1937	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 7}	{'precision': 0.8888888888888888, 'recall': 0.5, 'f1': 0.64, 'number': 16}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 5}	{'precision': 0.7818181818181819, 'recall': 0.6825396825396826, 'f1': 0.7288135593220338, 'number': 63}	{'precision': 0.4166666666666667, 'recall': 0.45454545454545453, 'f1': 0.43478260869565216, 'number': 22}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	{'precision': 1.0, 'recall': 0.16666666666666666, 'f1': 0.2857142857142857, 'number': 6}	{'precision': 0.7346938775510204, 'recall': 0.8181818181818182, 'f1': 0.7741935483870968, 'number': 88}	{'precision': 0.625, 'recall': 0.4838709677419355, 'f1': 0.5454545454545454, 'number': 31}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 2}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	{'precision': 0.3333333333333333, 'recall': 0.2, 'f1': 0.25, 'number': 10}	{'precision': 0.5662650602409639, 'recall': 0.573170731707317, 'f1': 0.5696969696969697, 'number': 82}	{'precision': 0.6666666666666666, 'recall': 0.7407407407407407, 'f1': 0.7017543859649122, 'number': 54}	{'precision': 0.7551020408163265, 'recall': 0.7872340425531915, 'f1': 0.7708333333333333, 'number': 47}	{'precision': 0.7083333333333334, 'recall': 1.0, 'f1': 0.8292682926829268, 'number': 17}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 5}	{'precision': 1.0, 'recall': 0.0625, 'f1': 0.11764705882352941, 'number': 16}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	0.6705	0.6091	0.6383	0.9373
No log	3.0	222	0.1606	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 7}	{'precision': 0.65, 'recall': 0.8125, 'f1': 0.7222222222222223, 'number': 16}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 5}	{'precision': 0.847457627118644, 'recall': 0.7936507936507936, 'f1': 0.819672131147541, 'number': 63}	{'precision': 0.625, 'recall': 0.6818181818181818, 'f1': 0.6521739130434783, 'number': 22}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	{'precision': 1.0, 'recall': 0.3333333333333333, 'f1': 0.5, 'number': 6}	{'precision': 0.7075471698113207, 'recall': 0.8522727272727273, 'f1': 0.7731958762886597, 'number': 88}	{'precision': 0.6, 'recall': 0.5806451612903226, 'f1': 0.5901639344262295, 'number': 31}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 2}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	{'precision': 0.4, 'recall': 0.6, 'f1': 0.48, 'number': 10}	{'precision': 0.6944444444444444, 'recall': 0.6097560975609756, 'f1': 0.6493506493506495, 'number': 82}	{'precision': 0.7678571428571429, 'recall': 0.7962962962962963, 'f1': 0.7818181818181819, 'number': 54}	{'precision': 0.9444444444444444, 'recall': 0.723404255319149, 'f1': 0.8192771084337349, 'number': 47}	{'precision': 0.7727272727272727, 'recall': 1.0, 'f1': 0.8717948717948718, 'number': 17}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 5}	{'precision': 0.8333333333333334, 'recall': 0.9375, 'f1': 0.8823529411764706, 'number': 16}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	{'precision': 1.0, 'recall': 0.3333333333333333, 'f1': 0.5, 'number': 3}	0.7315	0.7193	0.7254	0.9504
No log	4.0	296	0.1432	{'precision': 0.3, 'recall': 0.42857142857142855, 'f1': 0.3529411764705882, 'number': 7}	{'precision': 0.7222222222222222, 'recall': 0.8125, 'f1': 0.7647058823529411, 'number': 16}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 5}	{'precision': 0.8387096774193549, 'recall': 0.8253968253968254, 'f1': 0.832, 'number': 63}	{'precision': 0.6190476190476191, 'recall': 0.5909090909090909, 'f1': 0.6046511627906977, 'number': 22}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	{'precision': 0.5, 'recall': 0.16666666666666666, 'f1': 0.25, 'number': 6}	{'precision': 0.7425742574257426, 'recall': 0.8522727272727273, 'f1': 0.7936507936507936, 'number': 88}	{'precision': 0.6206896551724138, 'recall': 0.5806451612903226, 'f1': 0.6000000000000001, 'number': 31}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 2}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	{'precision': 0.625, 'recall': 0.5, 'f1': 0.5555555555555556, 'number': 10}	{'precision': 0.725, 'recall': 0.7073170731707317, 'f1': 0.7160493827160495, 'number': 82}	{'precision': 0.8823529411764706, 'recall': 0.8333333333333334, 'f1': 0.8571428571428571, 'number': 54}	{'precision': 0.918918918918919, 'recall': 0.723404255319149, 'f1': 0.8095238095238095, 'number': 47}	{'precision': 0.68, 'recall': 1.0, 'f1': 0.8095238095238095, 'number': 17}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 5}	{'precision': 0.8333333333333334, 'recall': 0.9375, 'f1': 0.8823529411764706, 'number': 16}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	{'precision': 1.0, 'recall': 0.6666666666666666, 'f1': 0.8, 'number': 3}	0.7569	0.7443	0.7505	0.9547
No log	5.0	370	0.1431	{'precision': 0.3333333333333333, 'recall': 0.5714285714285714, 'f1': 0.4210526315789474, 'number': 7}	{'precision': 0.65, 'recall': 0.8125, 'f1': 0.7222222222222223, 'number': 16}	{'precision': 1.0, 'recall': 0.2, 'f1': 0.33333333333333337, 'number': 5}	{'precision': 0.8059701492537313, 'recall': 0.8571428571428571, 'f1': 0.8307692307692308, 'number': 63}	{'precision': 0.5833333333333334, 'recall': 0.6363636363636364, 'f1': 0.6086956521739131, 'number': 22}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	{'precision': 0.5, 'recall': 0.3333333333333333, 'f1': 0.4, 'number': 6}	{'precision': 0.72, 'recall': 0.8181818181818182, 'f1': 0.7659574468085107, 'number': 88}	{'precision': 0.6086956521739131, 'recall': 0.45161290322580644, 'f1': 0.5185185185185185, 'number': 31}	{'precision': 0.6666666666666666, 'recall': 1.0, 'f1': 0.8, 'number': 2}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	{'precision': 0.45454545454545453, 'recall': 0.5, 'f1': 0.47619047619047616, 'number': 10}	{'precision': 0.6627906976744186, 'recall': 0.6951219512195121, 'f1': 0.6785714285714285, 'number': 82}	{'precision': 0.7586206896551724, 'recall': 0.8148148148148148, 'f1': 0.7857142857142857, 'number': 54}	{'precision': 0.9333333333333333, 'recall': 0.5957446808510638, 'f1': 0.7272727272727273, 'number': 47}	{'precision': 0.8947368421052632, 'recall': 1.0, 'f1': 0.9444444444444444, 'number': 17}	{'precision': 0.7142857142857143, 'recall': 1.0, 'f1': 0.8333333333333333, 'number': 5}	{'precision': 0.7777777777777778, 'recall': 0.875, 'f1': 0.823529411764706, 'number': 16}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	{'precision': 1.0, 'recall': 0.6666666666666666, 'f1': 0.8, 'number': 3}	0.7146	0.7235	0.7190	0.9520
No log	6.0	444	0.1581	{'precision': 0.3333333333333333, 'recall': 0.5714285714285714, 'f1': 0.4210526315789474, 'number': 7}	{'precision': 0.9333333333333333, 'recall': 0.875, 'f1': 0.9032258064516129, 'number': 16}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 5}	{'precision': 0.8928571428571429, 'recall': 0.7936507936507936, 'f1': 0.8403361344537815, 'number': 63}	{'precision': 0.6086956521739131, 'recall': 0.6363636363636364, 'f1': 0.6222222222222223, 'number': 22}	{'precision': 1.0, 'recall': 0.3333333333333333, 'f1': 0.5, 'number': 3}	{'precision': 1.0, 'recall': 0.5, 'f1': 0.6666666666666666, 'number': 6}	{'precision': 0.7956989247311828, 'recall': 0.8409090909090909, 'f1': 0.8176795580110496, 'number': 88}	{'precision': 0.59375, 'recall': 0.6129032258064516, 'f1': 0.6031746031746031, 'number': 31}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 2}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	{'precision': 0.4166666666666667, 'recall': 0.5, 'f1': 0.45454545454545453, 'number': 10}	{'precision': 0.6739130434782609, 'recall': 0.7560975609756098, 'f1': 0.7126436781609194, 'number': 82}	{'precision': 0.7931034482758621, 'recall': 0.8518518518518519, 'f1': 0.8214285714285715, 'number': 54}	{'precision': 0.7647058823529411, 'recall': 0.8297872340425532, 'f1': 0.7959183673469387, 'number': 47}	{'precision': 0.8947368421052632, 'recall': 1.0, 'f1': 0.9444444444444444, 'number': 17}	{'precision': 0.625, 'recall': 1.0, 'f1': 0.7692307692307693, 'number': 5}	{'precision': 0.8125, 'recall': 0.8125, 'f1': 0.8125, 'number': 16}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 3}	0.7405	0.7713	0.7556	0.9558
0.2202	7.0	518	0.1496	{'precision': 0.46153846153846156, 'recall': 0.8571428571428571, 'f1': 0.6, 'number': 7}	{'precision': 0.75, 'recall': 0.75, 'f1': 0.75, 'number': 16}	{'precision': 0.3333333333333333, 'recall': 0.2, 'f1': 0.25, 'number': 5}	{'precision': 0.8709677419354839, 'recall': 0.8571428571428571, 'f1': 0.864, 'number': 63}	{'precision': 0.5652173913043478, 'recall': 0.5909090909090909, 'f1': 0.5777777777777778, 'number': 22}	{'precision': 1.0, 'recall': 0.3333333333333333, 'f1': 0.5, 'number': 3}	{'precision': 1.0, 'recall': 0.5, 'f1': 0.6666666666666666, 'number': 6}	{'precision': 0.7623762376237624, 'recall': 0.875, 'f1': 0.8148148148148149, 'number': 88}	{'precision': 0.6521739130434783, 'recall': 0.4838709677419355, 'f1': 0.5555555555555556, 'number': 31}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 2}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	{'precision': 0.75, 'recall': 0.6, 'f1': 0.6666666666666665, 'number': 10}	{'precision': 0.6931818181818182, 'recall': 0.7439024390243902, 'f1': 0.7176470588235295, 'number': 82}	{'precision': 0.8333333333333334, 'recall': 0.8333333333333334, 'f1': 0.8333333333333334, 'number': 54}	{'precision': 0.813953488372093, 'recall': 0.7446808510638298, 'f1': 0.7777777777777778, 'number': 47}	{'precision': 0.8947368421052632, 'recall': 1.0, 'f1': 0.9444444444444444, 'number': 17}	{'precision': 0.7142857142857143, 'recall': 1.0, 'f1': 0.8333333333333333, 'number': 5}	{'precision': 0.9230769230769231, 'recall': 0.75, 'f1': 0.8275862068965517, 'number': 16}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 3}	0.7588	0.7651	0.7619	0.9573
0.2202	8.0	592	0.1695	{'precision': 0.3333333333333333, 'recall': 0.5714285714285714, 'f1': 0.4210526315789474, 'number': 7}	{'precision': 0.875, 'recall': 0.875, 'f1': 0.875, 'number': 16}	{'precision': 0.5, 'recall': 0.2, 'f1': 0.28571428571428575, 'number': 5}	{'precision': 0.9090909090909091, 'recall': 0.7936507936507936, 'f1': 0.847457627118644, 'number': 63}	{'precision': 0.6086956521739131, 'recall': 0.6363636363636364, 'f1': 0.6222222222222223, 'number': 22}	{'precision': 1.0, 'recall': 0.3333333333333333, 'f1': 0.5, 'number': 3}	{'precision': 0.6666666666666666, 'recall': 0.3333333333333333, 'f1': 0.4444444444444444, 'number': 6}	{'precision': 0.7938144329896907, 'recall': 0.875, 'f1': 0.8324324324324325, 'number': 88}	{'precision': 0.6666666666666666, 'recall': 0.6451612903225806, 'f1': 0.6557377049180327, 'number': 31}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 2}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	{'precision': 0.5833333333333334, 'recall': 0.7, 'f1': 0.6363636363636365, 'number': 10}	{'precision': 0.7375, 'recall': 0.7195121951219512, 'f1': 0.7283950617283951, 'number': 82}	{'precision': 0.8103448275862069, 'recall': 0.8703703703703703, 'f1': 0.8392857142857144, 'number': 54}	{'precision': 0.7872340425531915, 'recall': 0.7872340425531915, 'f1': 0.7872340425531915, 'number': 47}	{'precision': 0.8947368421052632, 'recall': 1.0, 'f1': 0.9444444444444444, 'number': 17}	{'precision': 0.7142857142857143, 'recall': 1.0, 'f1': 0.8333333333333333, 'number': 5}	{'precision': 0.9285714285714286, 'recall': 0.8125, 'f1': 0.8666666666666666, 'number': 16}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 3}	0.7707	0.7755	0.7731	0.9579
0.2202	9.0	666	0.1702	{'precision': 0.38461538461538464, 'recall': 0.7142857142857143, 'f1': 0.5, 'number': 7}	{'precision': 0.875, 'recall': 0.875, 'f1': 0.875, 'number': 16}	{'precision': 0.3333333333333333, 'recall': 0.2, 'f1': 0.25, 'number': 5}	{'precision': 0.8947368421052632, 'recall': 0.8095238095238095, 'f1': 0.8500000000000001, 'number': 63}	{'precision': 0.7391304347826086, 'recall': 0.7727272727272727, 'f1': 0.7555555555555555, 'number': 22}	{'precision': 0.5, 'recall': 0.3333333333333333, 'f1': 0.4, 'number': 3}	{'precision': 1.0, 'recall': 0.5, 'f1': 0.6666666666666666, 'number': 6}	{'precision': 0.8210526315789474, 'recall': 0.8863636363636364, 'f1': 0.8524590163934427, 'number': 88}	{'precision': 0.6071428571428571, 'recall': 0.5483870967741935, 'f1': 0.5762711864406779, 'number': 31}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 2}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	{'precision': 0.5, 'recall': 0.6, 'f1': 0.5454545454545454, 'number': 10}	{'precision': 0.7, 'recall': 0.7682926829268293, 'f1': 0.7325581395348836, 'number': 82}	{'precision': 0.8181818181818182, 'recall': 0.8333333333333334, 'f1': 0.8256880733944955, 'number': 54}	{'precision': 0.782608695652174, 'recall': 0.7659574468085106, 'f1': 0.7741935483870968, 'number': 47}	{'precision': 0.8947368421052632, 'recall': 1.0, 'f1': 0.9444444444444444, 'number': 17}	{'precision': 0.7142857142857143, 'recall': 1.0, 'f1': 0.8333333333333333, 'number': 5}	{'precision': 0.8571428571428571, 'recall': 0.75, 'f1': 0.7999999999999999, 'number': 16}	{'precision': 0.5, 'recall': 0.3333333333333333, 'f1': 0.4, 'number': 3}	{'precision': 1.0, 'recall': 0.6666666666666666, 'f1': 0.8, 'number': 3}	0.7658	0.7817	0.7737	0.9595
0.2202	10.0	740	0.1786	{'precision': 0.38461538461538464, 'recall': 0.7142857142857143, 'f1': 0.5, 'number': 7}	{'precision': 0.875, 'recall': 0.875, 'f1': 0.875, 'number': 16}	{'precision': 0.5, 'recall': 0.2, 'f1': 0.28571428571428575, 'number': 5}	{'precision': 0.8947368421052632, 'recall': 0.8095238095238095, 'f1': 0.8500000000000001, 'number': 63}	{'precision': 0.6086956521739131, 'recall': 0.6363636363636364, 'f1': 0.6222222222222223, 'number': 22}	{'precision': 0.5, 'recall': 0.3333333333333333, 'f1': 0.4, 'number': 3}	{'precision': 1.0, 'recall': 0.5, 'f1': 0.6666666666666666, 'number': 6}	{'precision': 0.79, 'recall': 0.8977272727272727, 'f1': 0.8404255319148937, 'number': 88}	{'precision': 0.6, 'recall': 0.4838709677419355, 'f1': 0.5357142857142857, 'number': 31}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 2}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	{'precision': 0.5, 'recall': 0.6, 'f1': 0.5454545454545454, 'number': 10}	{'precision': 0.7111111111111111, 'recall': 0.7804878048780488, 'f1': 0.7441860465116279, 'number': 82}	{'precision': 0.8, 'recall': 0.8148148148148148, 'f1': 0.8073394495412846, 'number': 54}	{'precision': 0.7872340425531915, 'recall': 0.7872340425531915, 'f1': 0.7872340425531915, 'number': 47}	{'precision': 0.8947368421052632, 'recall': 1.0, 'f1': 0.9444444444444444, 'number': 17}	{'precision': 0.7142857142857143, 'recall': 1.0, 'f1': 0.8333333333333333, 'number': 5}	{'precision': 0.8666666666666667, 'recall': 0.8125, 'f1': 0.8387096774193549, 'number': 16}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 3}	0.7571	0.7775	0.7672	0.9576

Framework versions

Transformers 4.46.3
Pytorch 2.5.1+cu124
Datasets 3.1.0
Tokenizers 0.20.3

Task: Token Classification
Library: transformers
Type: xlm-roberta
License: mit
Created: May 29, 2025
Updated: May 29, 2025