Характеристики

Контекст: 512 токенов
Параметры: 40 млн
Лицензия: MIT
Архитектура: bert · dense
Базовая модель: bge-small-en-v1.5
Библиотека: transformers
Опубликована: 7 окт 2026

Ссылки

Hugging Face

dl2-hw-02

burguty

Разметка токеновТекст → label

Дообученная BERT-модель на базе BAAI/bge-small-en-v1.5 для присвоения меток токенам в текстовой последовательности.

220скачиваний за 30 дней0лайковвеса обновлены8 окт 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

burguty/dl2-hw-02 — дообученная модель на базе BAAI/bge-small-en-v1.5 для классификации токенов. Она построена на архитектуре BERT и содержит около 40 млн параметров; модель принимает текстовые последовательности длиной до 512 токенов и присваивает метки отдельным токенам. На оценочном наборе указаны F1 0,9105, точность 0,8971, полнота 0,9243 и accuracy 0,9820, однако назначение меток и состав набора данных не описаны, поэтому результаты нельзя привязать к конкретному сценарию.

Модель может применяться в задачах разметки последовательностей, например для извлечения сущностей, если соответствующие метки предусмотрены обучением. Базовая BGE-модель англоязычная, но язык и разметка самого дообучения не указаны. Веса опубликованы в формате Safetensors; лицензия — MIT.

Сценарии применения

разметка токенов в текстах
извлечение сущностей при наличии подходящих меток
классификация частей текстовой последовательности

Ограничения

Набор данных, схема меток и целевая предметная область не описаны, поэтому применимость к конкретному типу разметки не подтверждена. Оценочные метрики приведены без описания методики и состава оценочного набора.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

dl2-hw-02

This model is a fine-tuned version of BAAI/bge-small-en-v1.5 on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.0787
Precision: 0.8971
Recall: 0.9243
F1: 0.9105
Accuracy: 0.9820

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: 16
eval_batch_size: 16
seed: 42
optimizer: Use OptimizerNames.ADAMW_TORCH with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
num_epochs: 10

Training results

Training Loss	Epoch	Step	Validation Loss	Precision	Recall	F1	Accuracy
0.4845	1.0	626	0.1735	0.7777	0.8219	0.7992	0.9627
0.1738	2.0	1252	0.1128	0.8438	0.8940	0.8682	0.9749
0.1142	3.0	1878	0.0947	0.8677	0.9007	0.8839	0.9776
0.0683	4.0	2504	0.0832	0.8937	0.9165	0.9050	0.9809
0.0552	5.0	3130	0.0833	0.8777	0.9175	0.8972	0.9792
0.0469	6.0	3756	0.0809	0.8853	0.9172	0.9010	0.9803
0.0431	7.0	4382	0.0799	0.8927	0.9202	0.9063	0.9814
0.0341	8.0	5008	0.0778	0.8917	0.9226	0.9069	0.9817
0.03	9.0	5634	0.0786	0.8926	0.9244	0.9082	0.9814
0.0275	10.0	6260	0.0787	0.8971	0.9243	0.9105	0.9820

Framework versions

Transformers 4.50.0
Pytorch 2.11.0+cu128
Datasets 3.4.1
Tokenizers 0.21.4

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: dbd40bd