Характеристики

Контекст: 1 024 токена
Параметры: 50,3 млн
Лицензия: Apache 2.0
Архитектура: bert · dense
Базовая модель: CeLLaTe-tapt-bioformer16l-tokenizer-original-baseline
Библиотека: transformers
Опубликована: 28 июл 2026

Ссылки

Hugging Face

CeLLaTe-ner-2class-tapt-bioformer16l-tokenizer-original-baseline

Mardiyyah

Разметка токеновТекст → label

Англоязычная BERT-модель для распознавания именованных сущностей и разметки токенов по двухклассовой схеме IOB.

15скачиваний за 30 дней0лайковвеса обновлены28 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

CeLLaTe-ner-2class-tapt-bioformer16l-tokenizer-original-baseline — англоязычная BERT-модель для классификации токенов, разработанная на основе Mardiyyah/CeLLaTe-tapt-bioformer16l-tokenizer-original-baseline. Она дообучена на наборе OTAR3088/CeLLaTe-ner-2class-iob_final для распознавания именованных сущностей с двухклассовой схемой IOB. Модель содержит 50,3 млн параметров, использует библиотеку Transformers и формат safetensors; длина контекста — 1024 токена.

На оценочном наборе указаны Micro F1 0,7737, precision 0,8061 и recall 0,7437. Модель подходит для разметки сущностей в англоязычном тексте, однако README не раскрывает сами категории сущностей и отмечает, что сведения о назначении и ограничениях требуют дополнения. Лицензия — Apache-2.0.

Сценарии применения

поиск именованных сущностей в англоязычных текстах
автоматическая разметка токенов по схеме IOB
извлечение сущностей из документов для последующей обработки

Ограничения

На оценочном наборе Micro F1 составляет 0,7737, precision — 0,8061, recall — 0,7437; качество может отличаться на других данных. README не сообщает, какие именно категории сущностей распознаются.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

CeLLaTe-ner-2class-tapt-bioformer16l-tokenizer-original-baseline

This model is a fine-tuned version of Mardiyyah/CeLLaTe-tapt-bioformer16l-tokenizer-original-baseline on the OTAR3088/CeLLaTe-ner-2class-iob_final dataset. It achieves the following results on the evaluation set:

Loss: 0.0934
Precision: 0.8061
Recall: 0.7437
Micro F1: 0.7737
Weighted F1: 0.7736
Macro F1: 0.7811
Accuracy: 0.9824

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: 3407
gradient_accumulation_steps: 2
total_train_batch_size: 32
optimizer: Use OptimizerNames.ADAMW_TORCH with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
lr_scheduler_warmup_ratio: 0.01
num_epochs: 20
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Precision	Recall	Micro F1	Weighted F1	Macro F1	Accuracy
0.2626	1.0	263	0.0682	0.6586	0.6825	0.6703	0.6698	0.6649	0.9780
0.048	2.0	526	0.0622	0.7681	0.7227	0.7447	0.7451	0.7543	0.9807
0.0332	3.0	789	0.0667	0.7394	0.6968	0.7175	0.7181	0.7262	0.9792
0.0251	4.0	1052	0.0656	0.7903	0.7232	0.7553	0.7554	0.7624	0.9816
0.0194	5.0	1315	0.0725	0.7613	0.7330	0.7469	0.7468	0.7461	0.9813
0.0157	6.0	1578	0.0908	0.7707	0.6449	0.7022	0.7023	0.7049	0.9789
0.0133	7.0	1841	0.0781	0.7826	0.7406	0.7610	0.7613	0.7690	0.9819
0.0107	8.0	2104	0.0888	0.8054	0.7165	0.7583	0.7583	0.7632	0.9818
0.0091	9.0	2367	0.0852	0.7921	0.7446	0.7676	0.7677	0.7727	0.9819
0.0077	10.0	2630	0.0935	0.8061	0.7437	0.7737	0.7736	0.7811	0.9824
0.0066	11.0	2893	0.0937	0.7766	0.7370	0.7563	0.7569	0.7669	0.9813
0.0059	12.0	3156	0.1040	0.8135	0.7294	0.7692	0.7692	0.7778	0.9820
0.0051	13.0	3419	0.1036	0.7753	0.7285	0.7512	0.7514	0.7571	0.9812
0.0046	14.0	3682	0.1075	0.8038	0.7294	0.7648	0.7649	0.7724	0.9818
0.0043	15.0	3945	0.1113	0.8080	0.7303	0.7672	0.7673	0.7767	0.9818

Framework versions

Transformers 4.48.2
Pytorch 2.4.1+cu121
Datasets 3.0.2
Tokenizers 0.21.0

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: b845dbb