/ Модель
Каталог

Характеристики

Контекст
512 токенов
Лицензия
Apache 2.0
Архитектура
distilbert · dense
Базовая модель
biomedical-ner-all
Библиотека
transformers
Опубликована
21 июн 2026

Ссылки

Hugging Face

ner-maccrobat2018

huynoob1312
Разметка токеновТекст → label3 профессии

Дообученная на базе биомедицинской NER-модели DistilBERT-модель для разметки токенов и извлечения сущностей из текстов.

14скачиваний за 30 дней0лайковвеса обновлены21 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

huynoob1312/ner-maccrobat2018 — модель DistilBERT для разметки последовательностей и извлечения сущностей. Она дообучена на базе d4data/biomedical-ner-all на датасете, который в карточке не раскрыт. Базовая модель предназначена для извлечения биомедицинских сущностей из клинических текстов; конкретные типы сущностей и качество дообученной версии не описаны.

Модель принимает текст и присваивает метки его токенам, поэтому её можно применять для распознавания сущностей в биомедицинских и клинических текстах. Архитектура — DistilBERT; максимальная длина контекста составляет 512 токенов. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Язык и результаты оценки именно этой версии не указаны в доступной карточке.

Сценарии применения

  • извлечение биомедицинских сущностей из текстов
  • разметка токенов в клинических записях
  • распознавание сущностей в медицинских документах

Ограничения

Датасет дообучения, набор меток и результаты оценки этой версии не описаны. Контекст ограничен 512 токенами; язык английский следует из описания базовой модели.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
IV.4Отраслевые задачиКлиническая медицина и общественное здоровьеAI помогает поддерживать диагностику, лечение, наблюдение и организацию медицинской помощи.45 задач2 635моделейII.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделейII.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

ner-maccrobat2018

This model is a fine-tuned version of d4data/biomedical-ner-all on an unknown dataset.

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: 0.0001
  • 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: 20

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
DistilBertForTokenClassification
Ревизия весов
0838503

0 моделей

    Создать бенчмарк