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-spanmask

Mardiyyah

Заполнение пропусковТекст → текст3 профессии

BERT-модель, дообученная на CeLLaTe2.0 для предсказания замаскированных токенов в английском тексте.

21скачиваний 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-spanmask — дообученная на наборе Mardiyyah/TAPT_CeLLaTe2.0 модель bioformers/bioformer-16l для заполнения пропусков в тексте. Это плотная BERT-модель с архитектурой BertForMaskedLM, содержащая 50,3 млн параметров; формат весов — safetensors. Модель принимает текст и предсказывает замаскированные токены, поддерживает английский язык и контекст длиной до 1024 токенов.

В README приведены результаты оценки: loss 2,6539, accuracy 0,5310 и perplexity 14,2095. Карточка не описывает предполагаемые сценарии применения и ограничения качества, поэтому результаты следует рассматривать как ориентир оценки, а пригодность для конкретной задачи — проверять отдельно. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

восстановление пропущенных слов в английском тексте
подстановка маскированных токенов при подготовке текстовых данных
оценка языковых представлений для английского текста

Ограничения

В README не описаны специальные ограничения и предполагаемые сценарии применения; приведённые метрики оценки не гарантируют качество на других данных. Модель рассчитана на английский текст и контекст до 1024 токенов.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей 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

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

CeLLaTe-tapt-bioformer16l-tokenizer-original-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: 2.6539
Accuracy: 0.5310
Perplexity: 14.2095

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
3.2148	1.0	15	2.8562	0.5216	17.3957
2.9835	2.0	30	2.6301	0.5422	13.8757
2.856	3.0	45	2.6085	0.5389	13.5783
2.8112	4.0	60	2.5362	0.5460	12.6320
2.8094	5.0	75	2.6204	0.5335	13.7416
2.7926	6.0	90	2.6063	0.5361	13.5493
2.7496	7.0	105	2.5235	0.5495	12.4725
2.6944	8.0	120	2.5665	0.5433	13.0207
2.7186	9.0	135	2.5562	0.5440	12.8863
2.685	10.0	150	2.5532	0.5415	12.8486
2.6691	11.0	165	2.5285	0.5454	12.5349
2.6679	12.0	180	2.6046	0.5385	13.5254

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: abdd319