Характеристики

Контекст: 512 токенов
Параметры: 50,3 млн
Лицензия: Apache 2.0
Архитектура: bert · dense
Базовая модель: bioformer-8l
Библиотека: transformers
Опубликована: 23 июл 2026

Ссылки

Hugging Face

CeLLaTe-ner-3class-bioformer8l-baseline

OTAR3088

Разметка токеновТекст → label

Дообученная BERT-модель для классификации токенов в текстах на английском языке.

15скачиваний за 30 дней0лайковвеса обновлены23 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-ner-3class-bioformer8l-baseline — дообученная на наборе OTAR3088/CeLLaTe-ner-3class-iob_final модель bioformers/bioformer-8l для классификации токенов. Она предназначена для разметки последовательностей по трём классам; точная семантика классов в карточке не описана. Модель построена на архитектуре BERT и содержит 50,3 млн параметров, работает с контекстом до 512 токенов и распространяется в формате safetensors.

В оценке на наборе из карточки указаны micro F1 0,7431, macro F1 0,7292, точность 0,9796, precision 0,7620 и recall 0,7251. Метаданные связывают модель с английским языком. Лицензия — Apache-2.0.

Сценарии применения

разметка токенов в английских текстах по трём классам
извлечение сущностей или других категорий токенов при соответствии классов схеме датасета
автоматическая разметка последовательностей в исследовательском конвейере

Ограничения

Карточка не раскрывает значение трёх классов и содержит мало сведений о данных и сценариях применения; приведённые метрики относятся только к указанной оценке. Значения precision и recall указывают на несовершенную полноту и точность разметки.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

CeLLaTe-ner-3class-bioformer8l-baseline

This model is a fine-tuned version of bioformers/bioformer-8l on the OTAR3088/CeLLaTe-ner-3class-iob_final dataset. It achieves the following results on the evaluation set:

Loss: 0.0904
Precision: 0.7620
Recall: 0.7251
Micro F1: 0.7431
Weighted F1: 0.7414
Macro F1: 0.7292
Accuracy: 0.9796

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: 16
eval_batch_size: 16
seed: 3407
gradient_accumulation_steps: 2
total_train_batch_size: 32
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
lr_scheduler_warmup_ratio: 0.01
num_epochs: 20
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Precision	Recall	Micro F1	Weighted F1	Macro F1	Accuracy
0.368	1.0	263	0.1009	0.4522	0.4864	0.4687	0.4498	0.4181	0.9666
0.0766	2.0	526	0.0744	0.6974	0.6853	0.6913	0.6926	0.6786	0.9761
0.0477	3.0	789	0.0741	0.7137	0.7148	0.7143	0.7116	0.7009	0.9776
0.0353	4.0	1052	0.0792	0.7014	0.6475	0.6734	0.6726	0.6556	0.9762
0.0269	5.0	1315	0.0818	0.6886	0.7097	0.6990	0.6994	0.6930	0.9767
0.0211	6.0	1578	0.0860	0.6955	0.6837	0.6896	0.6905	0.6836	0.9768
0.0177	7.0	1841	0.0887	0.7186	0.7271	0.7228	0.7230	0.7147	0.9777
0.0149	8.0	2104	0.0911	0.7620	0.7251	0.7431	0.7414	0.7292	0.9796
0.0121	9.0	2367	0.0890	0.7216	0.7515	0.7363	0.7352	0.7230	0.9785
0.0103	10.0	2630	0.1008	0.7319	0.7334	0.7326	0.7311	0.7183	0.9782
0.0091	11.0	2893	0.1026	0.7439	0.7184	0.7309	0.7297	0.7158	0.9789
0.0086	12.0	3156	0.1044	0.7168	0.6999	0.7083	0.7089	0.6957	0.9780
0.0072	13.0	3419	0.1105	0.7286	0.7148	0.7217	0.7215	0.7092	0.9781

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 · token-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: BertForTokenClassification
Ревизия весов: d20a1bd