Характеристики

Контекст: 1 024 токена
Параметры: 50,3 млн
Лицензия: Apache 2.0
Архитектура: bert · dense
Базовая модель: bioformer-16l
Библиотека: transformers
Опубликована: 26 июл 2026

Ссылки

Hugging Face

CeLLaTe-ner-3class-bioformer16l-baseline

Mardiyyah

Разметка токеновТекст → label

Дообученная BERT-модель для разметки токенов в английском тексте с тремя классами на основе биомедицинского Bioformer.

9скачиваний за 30 дней0лайковвеса обновлены26 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-3class-bioformer16l-baseline — дообученная Mardiyyah модель для классификации токенов, основанная на bioformers/bioformer-16l. Она обучена на наборе OTAR3088/CeLLaTe-ner-3class-iob_final и предназначена для разметки последовательностей в формате IOB с тремя классами, вероятно, для распознавания сущностей в биомедицинском тексте. Архитектура — BERT, размер — 50,3 млн параметров; модель принимает текст и выдаёт метки токенов. Контекст — до 1024 токенов, язык в метаданных — английский.

На оценочной выборке указаны micro и weighted F1 0,7625, macro F1 0,7538 и accuracy 0,9801. Лицензия Apache-2.0. Карточка не описывает значения трёх классов и не приводит подробных рекомендаций по использованию, поэтому применимость к конкретным типам сущностей следует проверять на целевых данных.

Сценарии применения

разметка токенов в биомедицинских текстах
распознавание сущностей в английских научных текстах
извлечение упоминаний по трёхклассовой IOB-разметке

Ограничения

В карточке не описаны три класса и точные типы сущностей, которые модель размечает. На оценочной выборке micro F1 составляет 0,7625; качество на других данных не подтверждено.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

CeLLaTe-ner-3class-bioformer16l-baseline

This model is a fine-tuned version of bioformers/bioformer-16l on the OTAR3088/CeLLaTe-ner-3class-iob_final dataset. It achieves the following results on the evaluation set:

Loss: 0.1046
Precision: 0.7689
Recall: 0.7562
Micro F1: 0.7625
Weighted F1: 0.7625
Macro F1: 0.7538
Accuracy: 0.9801

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
0.4159	1.0	263	0.1063	0.3976	0.4541	0.4240	0.4262	0.3937	0.9635
0.08	2.0	526	0.0766	0.7320	0.6550	0.6913	0.6899	0.6770	0.9776
0.0486	3.0	789	0.0722	0.7410	0.6940	0.7167	0.7160	0.7085	0.9788
0.0354	4.0	1052	0.0810	0.7692	0.6798	0.7217	0.7172	0.7018	0.9786
0.0271	5.0	1315	0.0821	0.7597	0.7034	0.7305	0.7300	0.7210	0.9791
0.0216	6.0	1578	0.0909	0.7005	0.6908	0.6956	0.6966	0.6900	0.9769
0.0186	7.0	1841	0.0895	0.7309	0.7188	0.7248	0.7255	0.7172	0.9779
0.0147	8.0	2104	0.1000	0.7386	0.7022	0.7200	0.7199	0.7126	0.9783
0.0125	9.0	2367	0.0911	0.7454	0.7519	0.7486	0.7487	0.7389	0.9787
0.0115	10.0	2630	0.0952	0.7400	0.7184	0.7290	0.7292	0.7196	0.9788
0.0097	11.0	2893	0.0996	0.7411	0.7271	0.7340	0.7337	0.7250	0.9787
0.0085	12.0	3156	0.1020	0.7720	0.7361	0.7536	0.7536	0.7456	0.9802
0.0079	13.0	3419	0.1087	0.7121	0.7200	0.7160	0.7167	0.7092	0.9776
0.0075	14.0	3682	0.1087	0.7590	0.7294	0.7439	0.7442	0.7336	0.9793
0.0065	15.0	3945	0.1047	0.7689	0.7562	0.7625	0.7625	0.7538	0.9801
0.0058	16.0	4208	0.1107	0.7373	0.7373	0.7373	0.7382	0.7314	0.9787
0.0053	17.0	4471	0.1142	0.7494	0.7361	0.7427	0.7433	0.7355	0.9792
0.005	18.0	4734	0.1154	0.7324	0.7361	0.7342	0.7352	0.7273	0.9785
0.0047	19.0	4997	0.1158	0.7405	0.7397	0.7401	0.7407	0.7325	0.9790
0.0048	20.0	5260	0.1152	0.7524	0.7444	0.7484	0.7487	0.7397	0.9794

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: 27bc57f