Характеристики

Контекст: 1 024 токена
Параметры: 50,3 млн
Лицензия: Apache 2.0
Архитектура: bert · dense
Базовая модель: CeLLaTe-tapt-bioformer16l-tokenizer-original-wwmask
Библиотека: transformers
Опубликована: 25 июл 2026

Ссылки

Hugging Face

CeLLaTe-ner-3class-bioformer16l-tapt-tokenizer-original-wwmask

Mardiyyah

Разметка токеновТекст → label

Дообученная BERT-модель для выделения именованных сущностей в английском тексте с трёхклассовой IOB-разметкой.

16скачиваний за 30 дней0лайковвеса обновлены25 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-tapt-tokenizer-original-wwmask — модель разметки токенов на базе BERT, разработанная Mardiyyah. Она дообучена на наборе данных OTAR3088/CeLLaTe-ner-3class-iob_final для трёхклассовой NER-разметки в формате IOB. Модель содержит 50,3 млн параметров, принимает текст и поддерживает контекст до 1024 токенов. В метаданных указан английский язык и библиотека Transformers.

На оценочной выборке указаны micro F1 0,7624, precision 0,7686, recall 0,7562 и accuracy 0,9804. Эти результаты относятся к конкретной выборке и не гарантируют такое же качество на других текстах. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

выделение именованных сущностей в английском тексте
разметка токенов по схеме IOB
извлечение сущностей из текстов набора CeLLaTe

Ограничения

Оценочные метрики получены на конкретном наборе данных и могут не переноситься на другие тексты; README не описывает ограничения применения и подробные категории сущностей.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

CeLLaTe-ner-3class-bioformer16l-tapt-tokenizer-original-wwmask

This model is a fine-tuned version of Mardiyyah/CeLLaTe-tapt-bioformer16l-tokenizer-original-wwmask on the OTAR3088/CeLLaTe-ner-3class-iob_final dataset. It achieves the following results on the evaluation set:

Loss: 0.1025
Precision: 0.7686
Recall: 0.7562
Micro F1: 0.7624
Weighted F1: 0.7623
Macro F1: 0.7515
Accuracy: 0.9804

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
0.418	1.0	263	0.1076	0.3909	0.4415	0.4146	0.4128	0.3775	0.9628
0.0808	2.0	526	0.0762	0.7292	0.6597	0.6927	0.6919	0.6815	0.9775
0.049	3.0	789	0.0718	0.7163	0.6959	0.7060	0.7064	0.7005	0.9780
0.036	4.0	1052	0.0821	0.7710	0.6774	0.7212	0.7180	0.7053	0.9784
0.0275	5.0	1315	0.0797	0.7620	0.7176	0.7391	0.7387	0.7305	0.9796
0.0217	6.0	1578	0.0882	0.7241	0.7089	0.7164	0.7172	0.7120	0.9779
0.0185	7.0	1841	0.0876	0.7423	0.7271	0.7346	0.7350	0.7274	0.9787
0.0149	8.0	2104	0.0989	0.7569	0.7089	0.7322	0.7316	0.7232	0.9789
0.0126	9.0	2367	0.0917	0.7483	0.7519	0.7501	0.7501	0.7396	0.9794
0.0115	10.0	2630	0.0952	0.7316	0.7184	0.7250	0.7255	0.7182	0.9787
0.0098	11.0	2893	0.0999	0.7415	0.7298	0.7356	0.7354	0.7270	0.9789
0.0086	12.0	3156	0.0973	0.7631	0.7550	0.7591	0.7590	0.7500	0.9804
0.0079	13.0	3419	0.1056	0.7129	0.7294	0.7210	0.7217	0.7138	0.9777
0.0074	14.0	3682	0.1067	0.7753	0.7432	0.7589	0.7588	0.7483	0.9802
0.0065	15.0	3945	0.1025	0.7686	0.7562	0.7624	0.7623	0.7515	0.9804
0.0059	16.0	4208	0.1073	0.7573	0.7511	0.7542	0.7543	0.7470	0.9799
0.0054	17.0	4471	0.1105	0.7607	0.7436	0.7520	0.7523	0.7438	0.9801
0.0052	18.0	4734	0.1106	0.7472	0.7487	0.7480	0.7486	0.7402	0.9796
0.0049	19.0	4997	0.1130	0.7488	0.7456	0.7472	0.7473	0.7392	0.9796
0.0047	20.0	5260	0.1123	0.7542	0.7519	0.7531	0.7531	0.7448	0.9799

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: 6eda0f8