Характеристики

Контекст: 514 токенов
Параметры: 138 млн
Лицензия: MIT
Архитектура: camembert · dense
Базовая модель: camembert-base
Библиотека: transformers
Опубликована: 14 сен 2026

Ссылки

camembert-ner-fr-esgi-td2

Разметка токеновТекст → label

Дообученная CamemBERT-модель для классификации токенов и экспериментов с распознаванием сущностей во французском тексте.

107скачиваний за 30 дней0лайковвеса обновлены15 сен 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

camembert-ner-fr-esgi-td2 — дообученная Duck859555656 модель на базе almanach/camembert-base для классификации токенов. Архитектура CamembertForTokenClassification содержит 137,8 млн параметров и принимает последовательности длиной до 514 токенов.

Модель предназначена для разметки текста по токенам, в частности для задач распознавания именованных сущностей на французском языке, что следует из названия репозитория и французской базовой модели. В README приведены результаты оценки: точность 0,9968, при этом precision, recall и F1 равны 0, поэтому эти результаты не подтверждают надёжное извлечение сущностей.

Модель распространяется под лицензией MIT. В README не описаны обучающий набор данных и конкретная схема меток.

Сценарии применения

разметка токенов французского текста
эксперименты с распознаванием именованных сущностей
оценка модели классификации токенов

Ограничения

На оценочном наборе precision, recall и F1 указаны как 0, несмотря на accuracy 0,9968; результаты не подтверждают надёжное извлечение сущностей. README не раскрывает датасет и схему меток.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

camembert-ner-fr-esgi-td2

This model is a fine-tuned version of almanach/camembert-base on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.0186
Precision: 0.0
Recall: 0.0
F1: 0.0
Accuracy: 0.9968

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: 16
eval_batch_size: 16
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: 4

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
No log	1.0	153	0.0469	0.9933
No log	2.0	306	0.0246	0.9961
No log	3.0	459	0.0197	0.9966
0.0787	4.0	612	0.0186	0.9968

Framework versions

Transformers 5.16.1
Pytorch 2.11.0+cu128
Datasets 4.8.5
Tokenizers 0.23.1

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: CamembertForTokenClassification
Ревизия весов: 289bc13