/ Модель
Каталог

Характеристики

Контекст
512 токенов
Архитектура
vision-encoder-decoder · dense
Базовая модель
heb-shortcrop-verifier
Библиотека
transformers
Опубликована
12 июл 2026

Ссылки

Hugging Face

heb-verifier17

cyttic
Изображение и текст → текст

Дообученная vision-encoder-decoder модель для преобразования изображений в текст, вероятно предназначенная для проверки коротких фрагментов.

6скачиваний за 30 дней0лайковвеса обновлены12 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Изображение → текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

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

cyttic/heb-verifier17 — дообученная модель семейства vision-encoder-decoder, разработанная на основе cyttic/heb-shortcrop-verifier. Она принимает изображения и генерирует текст; по названию и метрикам CER и Exact модель, вероятно, предназначена для проверки распознанных текстовых фрагментов, однако README не описывает её назначение и датасет. На указанном наборе оценки приведены Loss 0,0892, CER 0,0339 и Exact 0,9384. Использование зависит от лицензии базовой модели.

Сценарии применения

  • Преобразование изображений текстовых фрагментов в текст
  • Проверка распознанных коротких текстовых фрагментов

Ограничения

Назначение, обучающий датасет и ограничения в README не описаны; приведённые метрики относятся только к указанному набору оценки. Лицензия модели не приведена.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

heb-verifier17

This model is a fine-tuned version of cyttic/heb-shortcrop-verifier on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 0.0892
  • Cer: 0.0339
  • Exact: 0.9384

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: 1e-05
  • train_batch_size: 32
  • eval_batch_size: 64
  • 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
  • lr_scheduler_warmup_steps: 0.05
  • num_epochs: 3
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossCerExact
0.29181.57735000.12110.05440.9052
0.20363.09510.08920.03390.9384

Framework versions

  • Transformers 5.13.1
  • Pytorch 2.10.0+cu128
  • Datasets 5.0.0
  • Tokenizers 0.22.2

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
VisionEncoderDecoderModel
Ревизия весов
065aca7

0 моделей

    Создать бенчмарк