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-bs8

JuanC513

Разметка токеновТекст → label

Дообученная испаноязычная BETO-модель для извлечения сущностей, связанных с простатой, из текста.

11скачиваний 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

JuanC513/beto-ner-prostata-bs8 — дообученная модель BETO на базе dccuchile/bert-base-spanish-wwm-cased для распознавания именованных сущностей на уровне токенов. Она предназначена для извлечения упоминаний, связанных с простатой, из испаноязычных текстов; точные типы сущностей и состав обучающих данных в карточке не описаны. Модель построена на архитектуре BERT, содержит 137,1 млн параметров и обрабатывает последовательности длиной до 512 токенов. В README приведены метрики на тестовой выборке: F1 0,9631, точность 0,9598 и полнота 0,9666. Лицензия в предоставленных данных не указана.

Сценарии применения

извлечение упоминаний о простате из испанских текстов
разметка медицинских сущностей в испаноязычных документах
поиск упоминаний о заболеваниях простаты в медицинских записях

Ограничения

README не раскрывает набор и схему меток, а также состав обучающих данных, поэтому пригодность для конкретной медицинской таксономии нужно проверять отдельно. Метрики приведены только для указанной оценочной выборки; лицензия не указана в предоставленных данных.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

beto-ner-prostata-bs8

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: 0.0720
F1: 0.9631
Precision: 0.9598
Recall: 0.9666

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: 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: 10

Training results

Training Loss	Epoch	Step	Validation Loss	F1	Precision	Recall
No log	1.0	195	0.1610	0.8899	0.8725	0.9081
No log	2.0	390	0.0786	0.9440	0.9502	0.9379
0.4032	3.0	585	0.0464	0.9642	0.9620	0.9663
0.4032	4.0	780	0.0493	0.9683	0.9683	0.9683
0.4032	5.0	975	0.0474	0.9784	0.9762	0.9806
0.0525	6.0	1170	0.0422	0.9786	0.9805	0.9767
0.0525	7.0	1365	0.0457	0.9789	0.9818	0.9761
0.0264	8.0	1560	0.0492	0.9812	0.9825	0.9799
0.0264	9.0	1755	0.0449	0.9796	0.9812	0.9780
0.0264	10.0	1950	0.0448	0.9815	0.9831	0.9799

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: 8f9501c