Компактная модель GLiNER на базе BERT Tiny для тестирования и базового извлечения сущностей из текста на шести европейских языках.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
GLiNER BERT Tiny — компактная модель извлечения сущностей, разработанная на базе BERT Tiny и обученная на наборе urchade/synthetic-pii-ner-mistral-v1. Она предназначена прежде всего для модульных тестов в средах с ограниченными вычислительными ресурсами, например GitHub Actions, и может применяться для простого распознавания сущностей в тексте. Модель работает с английским, французским, немецким, испанским, португальским и итальянским языками. Репозиторий содержит веса PyTorch и использует библиотеку GLiNER. Лицензия — Apache-2.0.
Модель ориентирована прежде всего на модульные тесты; для практических задач её возможности ограничены базовыми сценариями. Указан обучающий набор для PII, но объём и точность распознавания конкретных типов сущностей не описаны.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
GLiNER model using BERT Tiny as the base model with urchade/synthetic-pii-ner-mistral-v1 as the training dataset.
This model is primarily designed for unit tests in limited compute environments such as GitHub Actions. But it does work to an extent for basic use cases.
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · gliner
Модели GLiNER требуют отдельного рантайма.