Характеристики

Контекст: 1 024 токена
Параметры: 50,3 млн
Лицензия: Apache 2.0
Архитектура: bert · dense
Базовая модель: bioformer-16l
Библиотека: transformers
Опубликована: 25 июл 2026

Ссылки

Hugging Face

CeLLaTe-tapt-bioformer16l-tokenizer-original-baseline-combinedData

Mardiyyah

Заполнение пропусковТекст → текст3 профессии

Англоязычная BERT-модель, дообученная на биомедицинских данных для предсказания пропущенных токенов в 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-bioformer16l-tokenizer-original-baseline-combinedData — англоязычная модель на архитектуре BERT, дообученная Mardiyyah на базе bioformers/bioformer-16l с использованием датасета Mardiyyah/Combined_TAPT_dataset. Она предназначена для задачи fill-mask: предсказывает пропущенные токены в тексте, что подходит для языкового моделирования и анализа биомедицинских текстов.

Модель содержит 50,3 млн параметров, принимает текстовые последовательности с контекстом до 1024 токенов и выдаёт текстовые предсказания. На оценочном наборе указаны loss 1,1916, accuracy 0,7443 и perplexity 3,2923. Лицензия — Apache-2.0.

Сценарии применения

предсказание пропущенных слов в биомедицинских текстах
языковое моделирование медицинских и научных документов
подстановка вероятных терминов в англоязычном тексте
оценка вариантов токена по контексту

Ограничения

README не описывает ограничения и предназначенные сценарии применения; приведённые метрики относятся только к оценочному набору и не гарантируют качество на других данных.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.6Отраслевые задачиНаучные исследования, математика и новые материалыAI помогает формировать гипотезы, анализировать научные данные и ускорять открытие новых материалов и методов.39 задач4 120моделей IV.4Отраслевые задачиКлиническая медицина и общественное здоровьеAI помогает поддерживать диагностику, лечение, наблюдение и организацию медицинской помощи.45 задач2 635моделей IV.5Отраслевые задачиОбразование и развитие навыковAI помогает персонализировать обучение и снижать административную нагрузку на преподавателей.34 задачи6 641модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

CeLLaTe-tapt-bioformer16l-tokenizer-original-baseline-combinedData

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

Loss: 1.1916
Accuracy: 0.7443
Perplexity: 3.2923

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
1.4889	1.0	29	1.2740	0.7351	3.5751
1.4585	2.0	58	1.2478	0.7370	3.4827
1.4285	3.0	87	1.2533	0.7370	3.5018
1.4172	4.0	116	1.2615	0.7337	3.5307
1.418	5.0	145	1.2442	0.7353	3.4701
1.377	6.0	174	1.2396	0.7365	3.4542
1.3549	7.0	203	1.2129	0.7407	3.3632
1.3621	8.0	232	1.2367	0.7366	3.4444
1.3395	9.0	261	1.2343	0.7358	3.4360
1.3192	10.0	290	1.1958	0.7452	3.3062
1.3043	11.0	319	1.2124	0.7431	3.3615
1.2942	12.0	348	1.2456	0.7354	3.4751
1.2804	13.0	377	1.2211	0.7399	3.3910
1.2711	14.0	406	1.1851	0.7448	3.2709
1.2521	15.0	435	1.2367	0.7371	3.4443
1.2576	16.0	464	1.2002	0.7417	3.3206
1.2496	17.0	493	1.2007	0.7409	3.3226
1.2302	18.0	522	1.2134	0.7399	3.3649
1.2186	19.0	551	1.2047	0.7430	3.3359

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: 3112178