Характеристики

Контекст: 512 токенов
Параметры: 137 млн
Архитектура: bert · dense
Базовая модель: bert-base-spanish-wwm-cased
Библиотека: transformers
Опубликована: 15 июл 2026

Ссылки

Hugging Face

beto-ner-prostata-bs16

Ben0ni

Разметка токеновТекст → label

Дообученная испаноязычная BERT-модель для распознавания сущностей в текстах о простате.

6скачиваний за 30 дней0лайковвеса обновлены18 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

beto-ner-prostata-bs16 — модель Ben0ni для распознавания именованных сущностей в испаноязычном тексте о простате. Она дообучена на dccuchile/bert-base-spanish-wwm-cased и использует архитектуру BERT для классификации токенов. Модель содержит 137,1 млн параметров, принимает последовательности длиной до 512 токенов и распространяется в формате safetensors.

В README приведены результаты на оценочной выборке: precision 0,9542, recall 0,9600 и F1 0,9571. Датасет и набор распознаваемых меток не описаны, поэтому применимость к конкретным типам сущностей или текстам за пределами темы простаты не установлена. Лицензия в доступных данных не указана.

Сценарии применения

извлечение упоминаний сущностей из испанских текстов о простате
разметка токенов в текстах на тему простаты
автоматический анализ испаноязычных материалов о здоровье простаты

Ограничения

В README не описаны датасет, метки сущностей и ограничения применимости; приведённые метрики относятся только к оценочной выборке. Не следует считать модель средством медицинской диагностики.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

beto-ner-prostata-bs16

This model is a fine-tuned version of dccuchile/bert-base-spanish-wwm-cased on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.0654
Precision: 0.9542
Recall: 0.9600
F1: 0.9571

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: 32
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
num_epochs: 8

Training results

Training Loss	Epoch	Step	Validation Loss	Precision	Recall	F1
2.0781	1.0	98	0.2771	0.7678	0.8220	0.7940
0.2541	2.0	196	0.1146	0.9138	0.9327	0.9231
0.1182	3.0	294	0.0610	0.9580	0.9605	0.9593
0.0791	4.0	392	0.0617	0.9558	0.9663	0.9611
0.0542	5.0	490	0.0535	0.9710	0.9761	0.9735
0.0408	6.0	588	0.0508	0.9780	0.9761	0.9770
0.0338	7.0	686	0.0488	0.9805	0.9767	0.9786
0.0304	8.0	784	0.0492	0.9812	0.9773	0.9792

Framework versions

Transformers 5.0.0
Pytorch 2.10.0+cu128
Datasets 5.0.0
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: BertForTokenClassification
Ревизия весов: b070a55