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-bs32

Ben0ni

Разметка токеновТекст → label

Дообученная испаноязычная BERT-модель для распознавания сущностей, связанных с раком предстательной железы.

9скачиваний 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-bs32 — испаноязычная модель семейства BERT, дообученная Ben0ni на базе dccuchile/bert-base-spanish-wwm-cased для классификации токенов. По названию репозитория модель предназначена для распознавания сущностей, связанных с раком предстательной железы; подробности о типах сущностей и применении в карточке не приведены.

Модель содержит 137,1 млн параметров, использует архитектуру BertForTokenClassification и принимает последовательности длиной до 512 токенов. В README приведены результаты оценки: precision 0,9459, recall 0,9574 и F1 0,9517. Для применения требуется библиотека Transformers. Лицензия в предоставленных данных не указана.

Сценарии применения

извлечение упоминаний рака предстательной железы из испанских текстов
разметка клинических текстов на испанском языке по токенам
подготовка медицинских текстов для поиска и анализа

Ограничения

README не описывает набор меток, состав и происхождение обучающих данных или ограничения применения; название указывает на узкую тематику, но конкретные распознаваемые сущности не перечислены.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

beto-ner-prostata-bs32

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: 0.0693
Precision: 0.9459
Recall: 0.9574
F1: 0.9517

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
num_epochs: 8

Training results

Training Loss	Epoch	Step	Validation Loss	Precision	Recall	F1
No log	1.0	49	0.5470	0.6546	0.6699	0.6622
1.9728	2.0	98	0.2010	0.8442	0.8803	0.8619
0.4078	3.0	147	0.1027	0.9227	0.9353	0.9290
0.1808	4.0	196	0.0787	0.9341	0.9540	0.9440
0.1123	5.0	245	0.0636	0.9545	0.9638	0.9591
0.0836	6.0	294	0.0606	0.9613	0.9657	0.9635
0.0661	7.0	343	0.0542	0.9665	0.9696	0.9680
0.0533	8.0	392	0.0556	0.9677	0.9683	0.9680

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: ccac69e