/ Модель
Каталог

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-combinedData

Mardiyyah
Заполнение пропусковТекст → текст3 профессии

Дообученная BERT-модель для предсказания замаскированных токенов в тексте, созданная на базе bioformers/bioformer-16l.

34скачиваний 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-combinedData — дообученная модель Mardiyyah на базе bioformers/bioformer-16l, обученная на датасете Mardiyyah/Combined_TAPT_dataset. Это BERT-модель с архитектурой BertForMaskedLM для заполнения пропусков в тексте. В репозитории указаны 50,3 млн параметров, контекст до 1024 токенов и формат safetensors; модель использует библиотеку Transformers.

Модель предназначена для предсказания замаскированных токенов в текстах. На оценочном наборе README сообщает loss 2,4313, accuracy 0,5592 и perplexity 11,3734. Карточка не описывает специализированные сценарии применения и ограничения качества. Лицензия — Apache-2.0.

Сценарии применения

  • подстановка пропущенных слов в предложении
  • предсказание замаскированных токенов
  • оценка вариантов продолжения текста в задаче заполнения пропусков

Ограничения

Карточка не содержит описания ограничений, сценариев применения или состава обучающих и оценочных данных. Приведённые метрики относятся только к оценочному набору, детали которого не сообщены.

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 385моделейII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейII.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-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: 2.4313
  • Accuracy: 0.5592
  • Perplexity: 11.3734

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 LossEpochStepValidation LossAccuracyPerplexity
3.23951.0292.72410.530915.2428
2.96152.0582.60840.538413.5772
2.87113.0872.58490.539813.2621
2.82444.01162.56720.542213.0289
2.80535.01452.55460.547112.8658
2.79956.01742.50140.547712.2000
2.75117.02032.52060.543412.4366
2.76628.02322.48450.551611.9951
2.72669.02612.55410.545112.8597
2.729410.02902.47090.553811.8326
2.707111.03192.52850.548012.5352
2.680412.03482.48470.549311.9975
2.661913.03772.52650.545912.5100
2.636114.04062.44630.554811.5458
2.650315.04352.46660.554811.7824
2.636316.04642.46320.551311.7418
2.622117.04932.46760.556711.7935
2.624818.05222.48700.548612.0255
2.623219.05512.48100.550011.9531

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
1a8704c

0 моделей

    Создать бенчмарк