Характеристики

Контекст: 512 токенов
Параметры: 136 млн
Лицензия: Apache 2.0
Архитектура: bert · dense
Базовая модель: bert-base-cased
Библиотека: transformers
Опубликована: 4 июл 2026

Ссылки

Hugging Face

skillspan_model

bjmbalaka

Разметка токеновТекст → label3 профессии

Дообученная на базе BERT модель размечает текст на уровне токенов.

10скачиваний за 30 дней0лайковвеса обновлены4 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

skillspan_model — модель классификации токенов на базе BERT, дообученная автором репозитория bjmbalaka на неизвестном наборе данных. Она предназначена для присвоения меток отдельным токенам входного текста; конкретный тип разметки и предполагаемые сценарии использования в карточке не раскрыты. Модель содержит 135,5 млн параметров, использует архитектуру BertForTokenClassification, принимает текст с контекстом до 512 токенов и сохранена в формате safetensors.

В карточке приведены результаты оценки: F1 0,4430, точность 0,3825, полнота 0,5262 и accuracy 0,9297. Эти метрики не позволяют судить о качестве на конкретных задачах без сведений о классах и наборе оценки. Лицензия — Apache-2.0.

Сценарии применения

присвоение меток словам и токенам в тексте
извлечение сущностей при наличии подходящей схемы меток
разметка последовательностей для специализированной задачи

Ограничения

Данные обучения и типы меток не описаны, поэтому применимость модели к конкретной задаче неясна. В карточке указаны умеренные значения F1 (0,4430) и precision (0,3825); качество следует оценивать на целевых данных.

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

skillspan_model

This model is a fine-tuned version of bert-base-cased on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.5312
Precision: 0.3825
Recall: 0.5262
F1: 0.4430
Accuracy: 0.9297

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: 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: 3
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Precision	Recall	F1	Accuracy
0.3379	1.0	600	0.2802	0.2398	0.4907	0.3222	0.9021
0.1748	2.0	1200	0.3337	0.3083	0.5514	0.3954	0.9079
0.1904	3.0	1800	0.5312	0.3825	0.5262	0.4430	0.9297

Framework versions

Transformers 5.12.1
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: baec34c