Характеристики

Контекст: 512 токенов
Параметры: 40 млн
Лицензия: MIT
Архитектура: bert · dense
Базовая модель: bge-small-en-v1.5
Библиотека: transformers
Опубликована: 30 сен 2026

Ссылки

Hugging Face

dl2-ner

MrKustic

Разметка токеновТекст → label

Дообученная компактная BERT-модель для классификации токенов и извлечения именованных сущностей из текста.

33скачиваний за 30 дней0лайковвеса обновлены30 сен 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

MrKustic/dl2-ner — дообученная модель на базе BAAI/bge-small-en-v1.5 для классификации токенов, в частности для задач распознавания именованных сущностей. Она построена на архитектуре BERT, содержит около 40 млн параметров и принимает текстовые последовательности длиной до 512 токенов. В README приведены результаты на оценочной выборке: F1 — 0,8859, точность — 0,8661, полнота — 0,9066, accuracy — 0,9778; набор данных и описание разметки не раскрыты.

Модель может применяться для извлечения сущностей из текста, если схема меток соответствует задаче пользователя. Базовая модель ориентирована на английский язык, однако сведения о языках и конкретных типах сущностей в карточке отсутствуют. Репозиторий распространяется по лицензии MIT.

Сценарии применения

распознавание именованных сущностей в англоязычном тексте
извлечение сущностей из документов
разметка токенов для последующей обработки текста

Ограничения

Данные обучения и схема меток не описаны, поэтому применимость к конкретным типам сущностей не подтверждена. Приведённые метрики относятся только к оценочной выборке, состав которой не указан.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

dl2-ner

This model is a fine-tuned version of BAAI/bge-small-en-v1.5 on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.0954
Precision: 0.8661
Recall: 0.9066
F1: 0.8859
Accuracy: 0.9778

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: 2e-05
train_batch_size: 8
eval_batch_size: 8
seed: 42
optimizer: Use OptimizerNames.ADAMW_TORCH with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
num_epochs: 3

Training results

Training Loss	Epoch	Step	Validation Loss	Precision	Recall	F1	Accuracy
0.2209	1.0	1250	0.1394	0.8089	0.8657	0.8364	0.9695
0.1095	2.0	2500	0.1013	0.8591	0.8987	0.8784	0.9768
0.0806	3.0	3750	0.0954	0.8661	0.9066	0.8859	0.9778

Framework versions

Transformers 4.50.0
Pytorch 2.11.0+cu128
Datasets 3.4.1
Tokenizers 0.21.4

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers · token-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: BertForTokenClassification
Ревизия весов: 74cf070