Характеристики

Контекст: 1 024 токена
Параметры: 51,3 млн
Лицензия: Apache 2.0
Архитектура: bert · dense
Базовая модель: bioformer-16l
Библиотека: transformers
Опубликована: 23 июл 2026

Ссылки

Hugging Face

CeLLaTe-tapt-bioformer16l-tokenizer-adapted-wwmask

Mardiyyah

Заполнение пропусковТекст → текст3 профессии

Дообученная модель BERT для восстановления замаскированных токенов в тексте.

26скачиваний 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 — дообученная модель семейства BERT для предсказания пропущенных токенов в тексте. Она основана на bioformers/bioformer-16l и дообучена разработчиком Mardiyyah на наборе Mardiyyah/TAPT_CeLLaTe2.0. Модель содержит 51,3 млн параметров, использует архитектуру BertForMaskedLM и принимает последовательности длиной до 1024 токенов.

Основная задача — восстановление замаскированных слов и токенов. На указанном в карточке наборе оценки модель показала loss 1,4695, accuracy 0,7180 и perplexity 4,3469. Карточка не описывает подробнее назначение набора данных и ограничения модели, поэтому результаты не подтверждают качество для конкретных медицинских или иных прикладных сценариев. Лицензия — Apache-2.0.

Сценарии применения

подстановка пропущенного слова в предложении
оценка вариантов заполнения маски в тексте
анализ языковых шаблонов на данных CeLLaTe

Ограничения

Карточка не уточняет предназначение и состав обучающего набора, а также ограничения модели. Приведённые метрики относятся только к указанной оценочной выборке.

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 IV.5Отраслевые задачиОбразование и развитие навыковAI помогает персонализировать обучение и снижать административную нагрузку на преподавателей.34 задачи6 641модель IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

CeLLaTe-tapt-pubmedbert-tokenizer-adapted-wwmask

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: 1.4695
Accuracy: 0.7180
Perplexity: 4.3469

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
1.983	1.0	15	1.7321	0.7043	5.6526
1.953	2.0	30	1.6524	0.7021	5.2195
1.902	3.0	45	1.6351	0.7119	5.1301
1.8591	4.0	60	1.6204	0.7119	5.0553
1.831	5.0	75	1.5531	0.7137	4.7261
1.7986	6.0	90	1.5859	0.7055	4.8838
1.7585	7.0	105	1.5395	0.7145	4.6625
1.7148	8.0	120	1.4938	0.7194	4.4540
1.7015	9.0	135	1.5612	0.7073	4.7647
1.6811	10.0	150	1.4989	0.7162	4.4766
1.6711	11.0	165	1.5252	0.7091	4.5960
1.6506	12.0	180	1.5499	0.7093	4.7109
1.6307	13.0	195	1.4886	0.7187	4.4308
1.6393	14.0	210	1.4708	0.7176	4.3529
1.5838	15.0	225	1.4932	0.7175	4.4513
1.5804	16.0	240	1.5226	0.7088	4.5840
1.5629	17.0	255	1.4859	0.7175	4.4188
1.5368	18.0	270	1.4150	0.7257	4.1167
1.5255	19.0	285	1.5382	0.7117	4.6561
1.5222	20.0	300	1.5028	0.7142	4.4945
1.5103	21.0	315	1.4642	0.7175	4.3239
1.5249	22.0	330	1.4608	0.7147	4.3096
1.4988	23.0	345	1.4419	0.7232	4.2288

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: 489eb55