Характеристики

Контекст: 512 токенов
Параметры: 137 млн
Архитектура: bert · dense
Базовая модель: bert-base-spanish-wwm-cased
Библиотека: transformers
Опубликована: 12 июн 2026

Ссылки

Hugging Face

beto_prostata_bs32

arthurtechia

Разметка токеновТекст → label3 профессии

Дообученная испаноязычная BERT-модель для классификации токенов с опубликованными метриками оценки.

8скачиваний за 30 дней0лайковвеса обновлены12 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

beto_prostata_bs32 — дообученная модель BERT для классификации токенов, созданная на основе испаноязычной dccuchile/bert-base-spanish-wwm-cased. Репозиторий содержит веса в формате safetensors; модель насчитывает 137,1 млн параметров и принимает последовательности длиной до 512 токенов.

В README приведены результаты оценки: F1 0,9579, точность 0,9930, precision 0,9555 и recall 0,9604. Название указывает на возможную связь с тематикой простаты, однако карточка не описывает метки, назначение классификации или обучающие данные, поэтому конкретный сценарий применения подтвердить нельзя. Лицензия в предоставленных метаданных и README не указана.

Сценарии применения

классификация токенов в испаноязычном тексте

Ограничения

Карточка не раскрывает набор меток, обучающие данные и конкретное назначение модели, поэтому её пригодность для конкретной задачи неясна.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

beto_prostata_bs32

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: 0.9555
Recall: 0.9604
F1: 0.9579
Accuracy: 0.9930

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: 32
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
num_epochs: 8
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Precision	Recall	F1	Accuracy
No log	1.0	98	0.1336	0.7865	0.8320	0.8086	0.9672
No log	2.0	196	0.0542	0.9314	0.9277	0.9295	0.9885
No log	3.0	294	0.0318	0.9551	0.9551	0.9551	0.9928
No log	4.0	392	0.0311	0.9455	0.9609	0.9532	0.9924
No log	5.0	490	0.0292	0.9696	0.9759	0.9727	0.9946
0.1972	6.0	588	0.0267	0.9772	0.9753	0.9762	0.9953
0.1972	7.0	686	0.0257	0.9753	0.9753	0.9753	0.9952
0.1972	8.0	784	0.0259	0.9810	0.9766	0.9788	0.9956

Framework versions

Transformers 5.10.2
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: BertForTokenClassification
Ревизия весов: 7a6279b