/ Модель

Характеристики

Контекст
128 000 токенов
Параметры
445 млн
Лицензия
Своя лицензия
Архитектура
lfm2 · dense
Базовая модель
LFM2.5-Encoder-350M
Библиотека
transformers
Опубликована
7 авг 2026

LFM2.5-Encoder-350M-PII-Detector

Разметка токеновТекст → label

Дообученный энкодер LFM2.5 для обнаружения и классификации 40 типов персональных данных в многоязычных текстах.

13скачиваний за 30 дней0лайковвеса обновлены7 авг 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

Omared1/LFM2.5-Encoder-350M-PII-Detector — дообученная LiquidAI модель LFM2.5-Encoder-350M с двунаправленным энкодером и головой классификации токенов для поиска и типизации персональных данных. Она выявляет 40 типов PII в 11 категориях, включая имена, идентификаторы, контактные и финансовые данные, в текстах на 16 языках. Модель предназначена для обнаружения чувствительных фрагментов перед редактированием или маскированием документов и сообщений.

В README приведены результаты на нескольких наборах тестов; автор сообщает о высоких показателях относительно ряда сравниваемых систем, но отмечает расхождения из-за различий в правилах разметки и путаницу между типами сущностей. Для запуска требуется Transformers и загрузка пользовательского кода через trust_remote_code=True. В метаданных указаны 444,6 млн параметров, контекст до 128 000 токенов, формат safetensors и лицензия other; конкретные условия лицензии следует проверять на странице репозитория.

Сценарии применения

  • поиск персональных данных в документах перед редактированием
  • выявление имён, телефонов и адресов в сообщениях
  • обнаружение финансовых идентификаторов в текстах
  • разметка PII-фрагментов по типам для последующего маскирования

Ограничения

Точность определения конкретного типа сущности может быть ниже, чем точность обнаружения самого фрагмента; результаты также зависят от соглашений о разметке тестового набора. Для загрузки требуется trust_remote_code=True, а лицензия указана как other без подробных условий в предоставленных данных.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

LFM2.5-Encoder-350-PII-Detector

A full fine-tune of LFM2.5-Encoder-350M with a token-classification head, covering 40 PII types across 16 languages.

Entity types (40 PII types across 11 domains)

DomainTypes
Identityidentity.person_name, identity.ssn, identity.national_id, identity.passport, identity.drivers_license, identity.date_of_birth, identity.tax_id
Contactcontact.email, contact.phone, contact.address, contact.postal_code, contact.ip_address
Financialfinancial.credit_card, financial.iban, financial.bank_account, financial.swift_bic, financial.crypto_wallet, financial.amount
Credentialscredential.api_key, credential.password, credential.private_key, credential.jwt, credential.connection_string, developer.login_credentials
Onlineonline.username, online.url
Devicedevice.mac_address, device.imei, developer.device_id
Locationlocation.gps_coordinates
Healthcarehealthcare.medical_record, healthcare.condition, healthcare.medication, healthcare.health_plan_id
Organizationorg.company_name
Special-categoryspecial.religion, special.political, special.orientation, special.health_status
Legallegal.case_number

Benchmarks (18-locale-filtered, partial-F1, hybrid decode)

Benchmarkthis modeldetection tierSauerkrautLM GLiNERopenai/privacy-filterPiiranha-v1OpenMed privacy-filterregex + validators
SPY0.4280.5090.2800.2640.2320.2260.358
Gretel0.8800.8850.6630.4580.5530.7700.337
TAB0.8670.8880.6850.5430.2620.6720.000
ai4privacy0.7150.7740.4880.3940.9460.4320.195
Nemotron0.8550.8630.6390.5720.6580.9180.335
MAPA0.2360.2670.4160.2880.2280.1640.000

leaderboard

  • Best on every benchmark except MAPA, whose idiosyncratic date-as-date_of_birth labeling convention penalises correctly-typed predictions. Only two external scores land higher anywhere — Piiranha-v1's 0.946 on ai4privacy and OpenMed's 0.918 on Nemotron — and both are in-distribution: each model trains on that exact corpus, as did our own encoder's pretraining on those same two.
  • Detection tier is the same model and the same predictions, scored with the type label ignored — did it find the PII span at all, which is the metric that matters for redaction. The gap to exact-type is the type-confusion rate, e.g. SPY 0.428 → 0.509.

Usage

⚠️ Loads custom code via trust_remote_code=True (the model wraps a trust_remote_code encoder).

Install the required packages:

pip install torch transformers huggingface_hub

Run PII detection:

import importlib.util
import sys

from huggingface_hub import hf_hub_download
from transformers import AutoModelForTokenClassification, AutoTokenizer

model_id = "LiquidAI/LFM2.5-Encoder-350-PII-Detector"

helper_path = hf_hub_download(model_id, "pii_hybrid_decode.py")
hf_hub_download(model_id, "context_cued.py")
sys.path.insert(0, helper_path.rsplit("/", 1)[0])

spec = importlib.util.spec_from_file_location("pii_hybrid_decode", helper_path)
hd = importlib.util.module_from_spec(spec)
spec.loader.exec_module(hd)

tok = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True)
model = AutoModelForTokenClassification.from_pretrained(model_id, trust_remote_code=True).eval()

spans = hd.predict("Email Dr. Laura Schmidt at laura@charite.de.", tok, model)
print(spans)

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · token-classification

Нельзя запустить

Для архитектуры lfm2 нет загрузчика под задачу token-classification.

Класс архитектуры
Lfm2BidirP2ForTokenClassification
Ревизия весов
5947555

0 моделей