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-spanmask

Mardiyyah

Заполнение пропусковТекст → текст3 профессии

Дообученная на CeLLaTe2.0 модель BERT для восстановления замаскированных фрагментов текста.

12скачиваний 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-spanmask — дообученная модель на архитектуре BERT для предсказания замаскированных фрагментов текста. Она создана на основе bioformers/bioformer-16l и дообучена на датасете Mardiyyah/TAPT_CeLLaTe2.0. Модель содержит 51,3 млн параметров, принимает текстовые последовательности длиной до 1024 токенов и предназначена для задачи fill-mask. В метаданных указан английский язык; библиотека для работы — Transformers.

На оценочной выборке указаны loss 2,7311, accuracy 0,5269 и perplexity 15,3497. Эти результаты относятся только к описанной выборке и сами по себе не подтверждают качество в других сценариях. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

предсказание пропущенных слов в текстах
восстановление замаскированных фрагментов предложения
адаптация masked language modeling к корпусу CeLLaTe2.0

Ограничения

Карточка не описывает предназначение и ограничения подробнее. Приведённые метрики относятся только к оценочной выборке, а её состав не раскрыт.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

CeLLaTe-tapt-biofomer16l-tokenizer-adapted-spanmask

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: 2.7311
Accuracy: 0.5269
Perplexity: 15.3497

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
3.6895	1.0	15	3.1710	0.5084	23.8306
3.4231	2.0	30	2.9351	0.5225	18.8227
3.2872	3.0	45	2.9610	0.5221	19.3181
3.2361	4.0	60	2.8894	0.5236	17.9828
3.1479	5.0	75	2.8712	0.5227	17.6579
3.1378	6.0	90	2.8567	0.5248	17.4038
3.0761	7.0	105	2.9116	0.5162	18.3854
3.0169	8.0	120	2.8471	0.5251	17.2385
3.0537	9.0	135	2.7650	0.5363	15.8794
3.0218	10.0	150	2.8013	0.5277	16.4658
3.0206	11.0	165	2.7133	0.5417	15.0789
2.9341	12.0	180	2.7189	0.5407	15.1631
2.918	13.0	195	2.7691	0.5305	15.9438
2.9412	14.0	210	2.7754	0.5324	16.0455
2.932	15.0	225	2.6850	0.5453	14.6577
2.9051	16.0	240	2.6733	0.5392	14.4881
2.8705	17.0	255	2.7261	0.5415	15.2731
2.862	18.0	270	2.7860	0.5339	16.2168
2.8693	19.0	285	2.7000	0.5386	14.8791
2.843	20.0	300	2.6767	0.5439	14.5368
2.8471	21.0	315	2.8352	0.5235	17.0343

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: d8046f6