Характеристики

Контекст: 8 192 токена
Параметры: 307 млн
Лицензия: MIT
Архитектура: modernbert · dense
Базовая модель: mmBERT-base
Библиотека: transformers
Опубликована: 14 авг 2026

Ссылки

Hugging Face

mmbert-base-kuoss-morph

ania3000

Разметка токеновТекст → label3 профессии

Дообученный ModernBERT-энкодер для классификации токенов, в том числе задач морфологической разметки текста.

24скачиваний за 30 дней0лайковвеса обновлены14 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

ania3000/mmbert-base-kuoss-morph — дообученный авторами репозитория чекпойнт jhu-clsp/mmBERT-base для классификации токенов. Модель использует плотную архитектуру ModernBERT, содержит 306,9 млн параметров и принимает последовательности длиной до 8192 токенов.

Она предназначена для разметки отдельных токенов входного текста, например морфологического анализа. В README приведены результаты оценки: точность 92,51% и точность на уровне предложений 47,91%; набор данных и детали оценки не описаны. Базовая mmBERT — многоязычный энкодер; конкретная языковая специализация этого чекпойнта не подтверждена. Модель распространяется по лицензии MIT.

Сценарии применения

морфологическая разметка токенов в тексте
классификация слов и частей последовательности
извлечение меток для каждого токена

Ограничения

README не раскрывает обучающий набор данных и назначение меток; приведённые метрики не сопровождаются описанием методики оценки. Язык специализации модели не установлен.

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.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

trainer_output

This model is a fine-tuned version of jhu-clsp/mmBERT-base on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.8549
Accuracy: 92.5064
Sentence accuracy: 47.9134

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: 5e-05
train_batch_size: 8
eval_batch_size: 8
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
num_epochs: 25

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy	Sentence accuracy
0.9817	1.0	596	0.6246	89.2170	35.2396
0.3128	2.0	1192	0.5229	90.7575	40.1855
0.1836	3.0	1788	0.5851	91.7304	42.9675
0.1099	4.0	2384	0.6264	91.4177	41.7311
0.0744	5.0	2980	0.6672	92.2400	46.2133
0.0333	6.0	3576	0.6985	91.7535	43.8949
0.0234	7.0	4172	0.7473	92.2863	45.9042
0.0165	8.0	4768	0.7186	92.1589	45.2859
0.0167	9.0	5364	0.8132	92.4832	47.4498
0.0118	10.0	5960	0.8421	92.4253	46.3679
0.0058	11.0	6556	0.7998	92.4716	44.8223
0.0057	12.0	7152	0.7845	92.7843	47.2952
0.0039	13.0	7748	0.8570	92.6569	47.2952
0.0042	14.0	8344	0.8719	92.7496	48.2226
0.004	15.0	8940	0.8683	92.5990	47.9134
0.0038	16.0	9536	0.8549	92.5064	47.9134

Framework versions

Transformers 4.57.3
Pytorch 2.11.0+cu128
Datasets 4.0.0
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: ModernBertForTokenClassification
Ревизия весов: af26bea