Характеристики

Контекст: 1 024 токена
Параметры: 51,3 млн
Лицензия: Apache 2.0
Архитектура: bert · dense
Базовая модель: bioformer-16l
Библиотека: transformers
Опубликована: 25 июл 2026

Ссылки

Hugging Face

CeLLaTe-tapt-biofomer16l-tokenizer-adapted-baseline

Mardiyyah

Заполнение пропусковТекст → текст

Дообученная на CeLLaTe2.0 модель Bioformer-16L для восстановления скрытых токенов в английском тексте.

17скачиваний 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-tapt-biofomer16l-tokenizer-adapted-baseline — модель на базе Bioformer-16L, дообученная Mardiyyah на наборе данных Mardiyyah/TAPT_CeLLaTe2.0. Это трансформерная архитектура BERT с примерно 51,3 млн параметров; модель решает задачу восстановления скрытых токенов в тексте (fill-mask). Для неё указаны контекст длиной до 1024 токенов, библиотека Transformers и формат весов safetensors. В README приведены результаты оценки: loss 1,3781, accuracy 0,7283 и perplexity 3,9672.

Модель предназначена для предсказания пропущенных токенов в тексте, в частности в сценариях, связанных с обучающим набором CeLLaTe2.0. В карточке указана поддержка английского языка и лицензия Apache-2.0. Подробные сведения о целевом применении, ограничениях и составе обучающих данных не приведены.

Сценарии применения

восстановление пропущенных слов в английском тексте
подстановка маскированных токенов в текстах из области CeLLaTe2.0
получение контекстных предсказаний токенов на основе BERT

Ограничения

README не раскрывает подробности ограничений, целевого применения и обучающих данных. В опубликованной оценке указаны accuracy 0,7283 и perplexity 3,9672; их качество зависит от набора и условий оценки.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

CeLLaTe-tapt-biofomer16l-tokenizer-adapted-baseline

This model is a fine-tuned version of bioformers/bioformer-16l on the Mardiyyah/TAPT_CeLLaTe2.0 dataset. It achieves the following results on the evaluation set:

Loss: 1.3781
Accuracy: 0.7283
Perplexity: 3.9672

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: 3e-05
train_batch_size: 32
eval_batch_size: 32
seed: 3407
gradient_accumulation_steps: 2
total_train_batch_size: 64
optimizer: Use OptimizerNames.ADAMW_TORCH with betas=(0.9,0.999) and epsilon=1e-06 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
lr_scheduler_warmup_ratio: 0.06
num_epochs: 100
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy	Perplexity
1.9156	1.0	15	1.6188	0.7111	5.0472
1.8799	2.0	30	1.5831	0.7163	4.8698
1.801	3.0	45	1.5290	0.7222	4.6138
1.7444	4.0	60	1.4856	0.7248	4.4177
1.7086	5.0	75	1.4688	0.7270	4.3441
1.6495	6.0	90	1.4739	0.7238	4.3661
1.6387	7.0	105	1.4182	0.7269	4.1299
1.5975	8.0	120	1.4524	0.7229	4.2735
1.5862	9.0	135	1.3966	0.7306	4.0413
1.5551	10.0	150	1.3948	0.7332	4.0344
1.5185	11.0	165	1.3779	0.7324	3.9666
1.508	12.0	180	1.3371	0.7407	3.8080
1.4904	13.0	195	1.4013	0.7317	4.0606
1.4741	14.0	210	1.3646	0.7361	3.9143
1.458	15.0	225	1.3648	0.7342	3.9150
1.4591	16.0	240	1.3683	0.7310	3.9286
1.432	17.0	255	1.3534	0.7345	3.8704

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 · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры: BertForMaskedLM
Ревизия весов: c9adb33