/ Модель

Характеристики

Контекст
512 токенов
Параметры
218 млн
Лицензия
Своя лицензия
Архитектура
deberta-v2 · dense
Базовая модель
mdeberta-v3-base
Библиотека
transformers
Опубликована
5 июл 2026

masker

Разметка токеновТекст → label9 профессий

Masker — дообученный многоязычный классификатор DeBERTa-v3 для выявления и разметки персональных данных в тексте.

13скачиваний за 30 дней1лайквеса обновлены6 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

Masker — многоязычный классификатор токенов для обнаружения персональных данных (PII), разработанный как нейронная часть системы редактирования чувствительной информации. Модель на базе DeBERTa-v3 дообучена Microsoft mDeBERTa-v3-base на наборе ai4privacy/pii-masking-openpii-1m; в метаданных указано 218,2 млн параметров, контекст — 512 токенов. Веса сохранены в формате safetensors.

Модель размечает имена, адреса, возраст, даты, телефоны, электронную почту, банковские карты и государственные идентификаторы. Она выдаёт BIOES-метки для токенов; преобразование меток в символьные интервалы и объединение результатов с правилами выполняет сопутствующий пакет mask. В README заявлена поддержка 23 европейских языков, а в метаданных перечислены 21 код языка.

На валидационной выборке openpii-1m указаны строгий span F1 0,982 и typed F1 0,995. Данные синтетические и шаблонные, поэтому качество на реальных текстах может быть ниже; для ответственного применения требуется проверка остаточных утечек. Лицензия модели указана в метаданных как other; README отмечает лицензию MIT для базовой модели и требует сохранять атрибуцию набору данных CC-BY-4.0 при downstream-использовании.

Сценарии применения

  • поиск имён и фамилий в тексте
  • обнаружение адресов и почтовых индексов
  • выявление телефонов и адресов электронной почты
  • разметка дат и возраста для последующего редактирования
  • поиск банковских карт и государственных идентификаторов

Ограничения

Оценка проведена на синтетическом и шаблонном наборе openpii-1m, поэтому точность на реальных текстах может быть ниже; перед использованием следует проверить модель на собственных данных. Детектор не гарантирует полного обнаружения PII и не заменяет проверку в критически важных сценариях.

Для каких профессий подходит9

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Masker

masker is a multilingual token classifier for personally identifiable information (PII), covering 23 European languages. It is the neural half of a two-part redaction system: this model tags contextual PII: names, addresses, ages, dates.

A separate, dependency-free rules layer handles structured PII (IBANs, cards, national IDs) with real checksum validation.

On any span where both fire, the checksum-validated rule takes precedence; everywhere else the model decides. This repository is the neural half, and the full-accuracy reference model of the family.

📱 Need something small enough to run on a phone or in a web-browser? See masker-mini. A 6-layer distillation shipped as ONNX and 4-bit Core ML, down to ~17 MB.

Model type & training

Masker is a DeBERTa-v3 token classifier fine-tuned from microsoft/mdeberta-v3-base on ai4privacy/pii-masking-openpii-1m. It is trained with boundary-first BIOES supervision.

After fine-tuning, the model's vocabulary was pruned from mDeBERTa's 250K SentencePiece pieces to the 136,671 tokens actually present in the training corpus. Because every used token is retained (byte-fallback covers the rest), the prune is lossless on in-distribution text; it shrinks the embedding table by ~45% (278M → 190M parameters). Weights are stored in bfloat16.

The head predicts 12 entity types (48 BIOES labels + O):

GIVEN_NAME, SURNAME, CITY, STREET_NAME, BUILDING_NUMBER, ZIP_CODE, PHONE, EMAIL, CREDIT_CARD, DATE, AGE, GOVERNMENT_ID.

GOVERNMENT_ID collapses passport / national-ID / SSN / tax / driver-license numbers, which the rules layer disambiguates by checksum and format. Other structured types (IBAN, IP, URL, etc.) are owned entirely by the rules layer and are not part of this head.

Usage

from transformers import AutoTokenizer, AutoModelForTokenClassification
import torch

tok = AutoTokenizer.from_pretrained("amsintelligence/masker")
model = AutoModelForTokenClassification.from_pretrained("amsintelligence/masker").eval()

text = "Kundin Beatrix Möller, geb. 04.07.1979, Rosenweg 8, 50667 Köln."
enc = tok(text, return_tensors="pt", return_offsets_mapping=True)
offsets = enc.pop("offset_mapping")[0]
with torch.no_grad():
    labels = model(**enc).logits.argmax(-1)[0]
for (a, b), lab in zip(offsets.tolist(), labels.tolist()):
    if b > a and model.config.id2label[lab] != "O":
        print(text[a:b], "->", model.config.id2label[lab])

The raw output is per-token BIOES labels; turning those into character spans and merging them with the rules layer is handled by the companion mask package.

Evaluation

Measured on the openpii-1m validation split (span-level, boundary-exact).

Overall

metricvalue
Strict span F10.982
Typed F10.995
Typed precision0.994
Typed recall0.996
Leak-safe recall0.9996

Per-type strict F1

entityF1
EMAIL1.000
DATE1.000
PHONE0.999
GOVERNMENT_ID0.999
CREDIT_CARD0.999
ZIP_CODE0.997
CITY0.996
STREET_NAME0.992
BUILDING_NUMBER0.992
AGE0.985
GIVEN_NAME0.940
SURNAME0.935

Person names are the hardest category; every other type is ≥ 0.985.

Limitations & biases

  • In-distribution evaluation. openpii-1m is synthetic / templated. These numbers are an upper bound on a friendly distribution and may be lower on real-world, out-of-distribution text. Validate on your own data before relying on it.
  • Not a substitute for review in high-stakes settings. No detector is perfect; design for residual leakage.

Credits & attribution

This model is a derivative work and would not exist without:

License

Licensed under the Offchain Studio Source License, Version 1.0, a source-available license. Full terms: https://ai.basement.dev/license.

Commercial-license requests: licensing@basement.dev.

See the accompanying NOTICE file; its Required Notice line MASKER © 2026 Offchain Studio must be retained in redistribution.

The underlying components keep their own (attribution-only) terms, retained in Credits above: the mDeBERTa lineage is MIT and the openpii training data is CC-BY-4.0.

Citation

@software{masker,
  title  = {masker: multilingual PII detection for 23 European languages},
  year   = {2026},
  note   = {DeBERTa-v3 token classifier, boundary-first BIOES supervision},
  url    = {https://huggingface.co/amsintelligence/masker}
}

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
DebertaV2ForTokenClassification
Ревизия весов
044ab66

0 моделей