Характеристики

Контекст: 512 токенов
Параметры: 137 млн
Архитектура: bert · dense
Базовая модель: bert-base-spanish-wwm-cased
Библиотека: transformers
Опубликована: 17 июл 2026

Ссылки

Hugging Face

beto-ner-prostata-bs16

JuanC513

Разметка токеновТекст → label

Дообученная испаноязычная BETO-модель для разметки токенов и распознавания сущностей, связанных с простатой.

9скачиваний за 30 дней0лайковвеса обновлены17 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 — дообученная модель BETO на базе dccuchile/bert-base-spanish-wwm-cased для классификации токенов. По названию репозитория модель предназначена для распознавания именованных сущностей, связанных с простатой, в испаноязычном тексте. Это модель архитектуры BERT с 137,1 млн параметров и контекстом до 512 токенов; она принимает текст и выдаёт метки для токенов.

На оценочном наборе указаны F1 0,9644, точность 0,9617 и полнота 0,9671, однако README не раскрывает набор данных и подробности разметки. Библиотека — Transformers, формат весов — safetensors. Условия лицензии в предоставленных данных не указаны.

Сценарии применения

извлечение упоминаний заболеваний простаты из испанских медицинских текстов
поиск медицинских сущностей в записях о простате
автоматическая разметка токенов в испаноязычных текстах о простате

Ограничения

README не описывает набор данных, схему меток и условия применения; приведённые метрики нельзя напрямую переносить на другие данные. Лицензия в предоставленных сведениях не указана.

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: 0.0661
F1: 0.9644
Precision: 0.9617
Recall: 0.9671

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: 10

Training results

Training Loss	Epoch	Step	Validation Loss	F1	Precision	Recall
No log	1.0	98	0.3147	0.7575	0.7172	0.8026
No log	2.0	196	0.0981	0.9285	0.9322	0.9249
No log	3.0	294	0.0610	0.9483	0.9471	0.9495
No log	4.0	392	0.0475	0.9622	0.9595	0.9650
No log	5.0	490	0.0497	0.9744	0.9741	0.9748
0.3529	6.0	588	0.0514	0.9728	0.9747	0.9709
0.3529	7.0	686	0.0471	0.9792	0.9818	0.9767
0.3529	8.0	784	0.0492	0.9802	0.9824	0.9780
0.3529	9.0	882	0.0482	0.9793	0.9799	0.9786
0.3529	10.0	980	0.0478	0.9802	0.9818	0.9786

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: e4dd4f5