/ Модель

Характеристики

Контекст
8 192 токена
Параметры
135 млн
Лицензия
MIT
Архитектура
modernbert · dense
Базовая модель
ModernCamemBERT-bio-base
Библиотека
transformers
Опубликована
22 июл 2026

ModernCamemBERT-bio-v2-base

Заполнение пропусковТекст → текст3 профессии

Франкоязычный биомедицинский ModernBERT-энкодер для заполнения масок и извлечения информации из длинных медицинских документов.

176скачиваний за 30 дней1лайквеса обновлены2 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

ModernCamemBERT-bio-v2-base — франкоязычный биомедицинский энкодер на архитектуре ModernBERT, разработанный Рианом Тушантом и Эриком де ла Клержери из Sorbonne Université и Inria Paris. Модель дообучена продолжением предобучения almanach/ModernCamemBERT-bio-base на клинических текстах и синтетических учебных текстах, построенных на основе онтологий CIM-10, CCAM и ATC. Она предназначена для заполнения масок и извлечения информации из биомедицинских документов на французском языке.

Модель содержит 135,5 млн параметров по метаданным (в README округлено до 150 млн) и обрабатывает контекст до 8 192 токенов. В оценке на документном бенчмарке французского биомедицинского NLP она получила средний micro-F1 70,0 по девяти запускам, улучшив результат исходной модели на 1,4 пункта. Доступна под лицензией MIT. Это базовая модель без специализированной головы для конкретной downstream-задачи; результаты бенчмарка не гарантируют качество на других данных.

Сценарии применения

  • Заполнение пропусков в биомедицинских текстах на французском языке
  • Извлечение клинических сущностей из медицинских документов
  • Анализ длинных франкоязычных клинических записей
  • Дообучение под задачи биомедицинского NLP на французском языке

Ограничения

Модель рассчитана на французские биомедицинские тексты и не содержит специализированной головы для конкретной прикладной задачи. Показатель бенчмарка не гарантирует аналогичного качества на других данных.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

<a href=https://camembert-bio-model.fr/>

ModernCamemBERT-bio-v2-base

ModernCamemBERT-bio-v2-base is a French biomedical encoder for document-level tasks. It is obtained by continuing the pretraining of ModernCamemBERT-bio-base with an OntoBook phase, with an 8,192-token context window. On our French biomedical document benchmark it reaches 70.0 micro-F1 at 150M parameters. A larger version is available as ModernCamemBERT-bio-v2-large.

Authors

Rian Touchent and Eric de la Clergerie
Sorbonne Université, Inria Paris

Overview

ModernCamemBERT-bio is already adapted to French biomedical text through a CLM detour. The v2 variant adds a second continued-pretraining phase that we call OntoBook. Instead of plain masked language modeling, we train on ontology-grounded synthetic textbooks built from CIM-10, CCAM and ATC ontology walks, mixed with clinical text. The aim is to inject structured coding knowledge without adding a task-specific head. This is the base-size document specialist.

ArchitectureModernBERT
Parameters150M
Context length8,192 tokens
LanguageFrench
Base modelalmanach/ModernCamemBERT-bio-base

Usage

from transformers import AutoTokenizer, AutoModelForMaskedLM

model_id = "rntc/ModernCamemBERT-bio-v2-base"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForMaskedLM.from_pretrained(model_id)

text = "Le patient présente une [MASK] aiguë du myocarde."
inputs = tokenizer(text, return_tensors="pt")
logits = model(**inputs).logits
i = inputs["input_ids"][0].tolist().index(tokenizer.mask_token_id)
print(tokenizer.decode(logits[0, i].argmax(-1)))

Evaluation

Per-task results on the document core of our French biomedical benchmark, scored with micro-F1 and averaged over nine seeds.

ModelFrACCO-30FrACCO-100CANTEMISTMORFITTMedDialog-FRAvg
ModernCamemBERT-bio-v2-large82.067.874.674.365.272.8
ModernCamemBERT-bio-v2-base78.063.770.973.563.770.0
ModernCamemBERT-bio-base74.261.171.272.963.768.6
DoctoModernBERT74.058.369.373.964.768.0
DrBERT54.239.641.271.064.154.0
DoctoBERT51.634.736.273.562.151.6
CamemBERT-bio44.022.317.770.945.840.1

At base size, ModernCamemBERT-bio-v2-base leads the average and scores 1.4 points above its ModernCamemBERT-bio-base starting point. ModernCamemBERT-bio-v2-large scores 2.8 points higher at 350M parameters.

Environmental impact

The OntoBook phase reported here ran for about 1.3 GPU-hours on a single H100, on the Jean Zay cluster (GENCI-IDRIS) in France. We estimate roughly 0.04 kg CO2eq for this phase. This figure covers the continued-pretraining step only and does not include the pretraining of the base model.

License

MIT

Citation

@inproceedings{touchent:hal-05697506,
  TITLE = {{OntoBook: Ontology-Grounded Synthetic Textbooks for Medical Encoder Pretraining}},
  AUTHOR = {Touchent, Rian and de la Clergerie, {\'E}ric},
  URL = {https://hal.science/hal-05697506},
  BOOKTITLE = {{Proceedings of Knowledge Graphs and Large Language Models Workshop}},
  ADDRESS = {Palma de Mallorca, Spain},
  YEAR = {2026},
  MONTH = May,
  PDF = {https://hal.science/hal-05697506v1/file/main.pdf},
  HAL_ID = {hal-05697506},
  HAL_VERSION = {v1},
}

@misc{touchent2026causallanguagemodelingdetour,
  title={A Causal Language Modeling Detour Improves Encoder Continued Pretraining},
  author={Rian Touchent and Eric de la Clergerie},
  year={2026},
  eprint={2605.12438},
  archivePrefix={arXiv},
  primaryClass={cs.CL},
  url={https://arxiv.org/abs/2605.12438},
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры
ModernBertForMaskedLM
Ревизия весов
d5fd7a6

0 моделей