/ Модель
Каталог

Характеристики

Контекст
1 024 токена
Параметры
50,8 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Библиотека
transformers
Опубликована
20 июл 2026

Ссылки

Hugging Face

CeLLaTe-tapt-bioformer16l-tokenizer-adapted_v2

Mardiyyah
Заполнение пропусковТекст → текст3 профессии

Дообученная BERT-модель для предсказания пропущенных токенов в английском тексте, с вероятной биомедицинской специализацией.

31скачиваний за 30 дней1лайквеса обновлены20 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-bioformer16l-tokenizer-adapted_v2 — модель семейства BERT, разработанная Mardiyyah и дообученная на наборе данных Mardiyyah/TAPT_CeLLaTe2.0. Она предназначена для заполнения пропусков в тексте: модель предсказывает скрытые токены по окружающему контексту. Модель содержит 50,8 млн параметров, использует контекст до 1024 токенов и загружается через Transformers в формате Safetensors.

В карточке приведены результаты оценки: loss 2,1972, accuracy 0,6595 и perplexity 8,9995. По названию базовой модели и обучающего набора можно предположить биомедицинскую специализацию, но README не описывает целевые сценарии и ограничения подробно. Поддерживаемый язык по метаданным — английский. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • восстановление пропущенных слов в биомедицинских текстах
  • подстановка маскированных токенов в английских предложениях
  • оценка контекстных вариантов токенов для анализа текста

Ограничения

README не раскрывает подробные ограничения и предполагаемые сценарии применения; приведённые метрики относятся только к указанному оценочному набору.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модельI.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейIV.4Отраслевые задачиКлиническая медицина и общественное здоровьеAI помогает поддерживать диагностику, лечение, наблюдение и организацию медицинской помощи.45 задач2 635моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

CeLLaTe-tapt-bioformer16l-tokenizer-adapted_v2

This model is a fine-tuned version of Mardiyyah/CeLLaTe-bioformer16l-tokenizer-adapted_v2 on the Mardiyyah/TAPT_CeLLaTe2.0 dataset. It achieves the following results on the evaluation set:

  • Loss: 2.1972
  • Accuracy: 0.6595
  • Perplexity: 8.9995

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: 5e-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 LossEpochStepValidation LossAccuracyPerplexity
No log1.01510.04000.000122925.8849
No log2.0308.34490.01514208.6382
No log3.0457.47040.04871755.2841
No log4.0606.69880.1537811.4223
No log5.0755.77440.2423321.9416
No log6.0905.09910.2929163.8712
7.24487.01054.61610.3352101.1012
7.24488.01204.32940.368475.9018
7.24489.01354.03650.416556.6304
7.244810.01503.77390.454743.5498
7.244811.01653.64800.470838.3989
7.244812.01803.51580.492933.6412
7.244813.01953.37480.520729.2174
3.769414.02103.31730.531227.5857
3.769415.02253.17180.552023.8504
3.769416.02403.09360.567222.0569
3.769417.02552.96280.584719.3523
3.769418.02702.96320.590519.3593
3.769419.02852.84080.602817.1289
2.913120.03002.81720.601616.7297
2.913121.03152.77210.607615.9929
2.913122.03302.68970.621214.7273
2.913123.03452.71090.614315.0433
2.913124.03602.63920.627314.0017
2.913125.03752.56360.634012.9831
2.913126.03902.60810.628313.5731
2.544427.04052.55200.638212.8327
2.544428.04202.55560.631112.8793
2.544429.04352.44500.642011.5305
2.544430.04502.44910.644411.5782
2.544431.04652.45790.637211.6799
2.544432.04802.41320.644511.1694
2.544433.04952.40180.641311.0430
2.312734.05102.40560.642411.0851
2.312735.05252.33290.654710.3082
2.312736.05402.35310.648710.5180
2.312737.05552.35580.646110.5470
2.312738.05702.30100.65079.9838
2.312739.05852.33930.650310.3739
2.166740.06002.31520.650410.1271
2.166741.06152.28050.65379.7815
2.166742.06302.30360.654910.0099
2.166743.06452.26010.65439.5840
2.166744.06602.25260.65759.5124
2.166745.06752.26200.65609.6025
2.166746.06902.24420.65639.4332
2.069447.07052.22020.65949.2095
2.069448.07202.21200.66059.1335
2.069449.07352.19440.66168.9749
2.069450.07502.16470.66468.7118
2.069451.07652.24100.65629.4024
2.069452.07802.15330.66458.6136
2.069453.07952.17660.66288.8162
1.978154.08102.17300.65968.7850
1.978155.08252.11700.66728.3063
1.978156.08402.14760.66558.5644
1.978157.08552.13180.66838.4299
1.978158.08702.15540.66208.6312
1.978159.08852.15580.66138.6352
1.918560.09002.15780.65828.6522

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
fa347d4

0 моделей

    Создать бенчмарк