Характеристики

Контекст: 512 токенов
Параметры: 137 млн
Архитектура: bert · dense
Базовая модель: bert-base-spanish-wwm-cased
Библиотека: transformers
Опубликована: 29 июн 2026

Ссылки

Hugging Face

BETO_16

Oscaroso28

Разметка токеновТекст → label3 профессии

Дообученная испаноязычная модель BERT для классификации токенов в текстовых последовательностях.

11скачиваний за 30 дней0лайковвеса обновлены29 июн 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

BETO16 — дообученная испаноязычная модель BERT для классификации токенов. Она основана на dccuchile/bert-base-spanish-wwm-cased, содержит 137,1 млн параметров и принимает последовательности длиной до 512 токенов. В карточке приведены метрики на наборе оценки: F1 0,9631 и accuracy 0,9939.

Модель предназначена для присвоения меток отдельным токенам в испанском тексте. Назначение меток, обучающий набор данных и конкретные сценарии применения в карточке не раскрыты, поэтому по имеющимся сведениям нельзя определить, выполняет ли она, например, распознавание сущностей или другую разновидность разметки последовательностей. Файлы модели представлены в формате Safetensors; лицензия в предоставленных данных не указана.

Сценарии применения

присвоение меток словам и токенам в испанском тексте
разметка последовательностей для последующего анализа испанских текстов
извлечение структурированной информации из испанского текста при наличии совместимой схемы меток

Ограничения

Назначение меток и обучающий датасет не описаны, поэтому область применения и качество на конкретных задачах разметки неясны. Контекст ограничен 512 токенами; приведённые метрики относятся только к указанному набору оценки.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей I.4Универсальные способностиОбработка документов и формAI помогает оцифровывать документы, проверять их комплектность и сокращать ручной ввод данных.16 задач7 180моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

BETO_16

This model is a fine-tuned version of dccuchile/bert-base-spanish-wwm-cased on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.0316
Precision: 0.9621
Recall: 0.9640
F1: 0.9631
Accuracy: 0.9939

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: 32
seed: 42
optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
lr_scheduler_warmup_steps: 0.1
num_epochs: 8
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Precision	Recall	F1	Accuracy
No log	1.0	195	0.1159	0.8592	0.8570	0.8581	0.9713
No log	2.0	390	0.0379	0.9485	0.9411	0.9448	0.9911
0.4583	3.0	585	0.0250	0.9601	0.9644	0.9622	0.9941
0.4583	4.0	780	0.0258	0.9772	0.9709	0.9740	0.9951
0.4583	5.0	975	0.0231	0.9781	0.9806	0.9793	0.9960
0.0273	6.0	1170	0.0227	0.9837	0.9780	0.9809	0.9962
0.0273	7.0	1365	0.0231	0.9831	0.9786	0.9809	0.9964
0.0123	8.0	1560	0.0232	0.9831	0.9793	0.9812	0.9964

Framework versions

Transformers 5.12.1
Pytorch 2.11.0+cu128
Datasets 5.0.0
Tokenizers 0.22.2

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: 93c9039