Характеристики

Контекст: 8 192 токена
Параметры: 149 млн
Лицензия: Apache 2.0
Архитектура: modernbert · dense
Базовая модель: ModernBERT-base
Библиотека: transformers
Опубликована: 26 июн 2026

Ссылки

Hugging Face

pii-layout-synth-v10

jefftherover

Разметка токеновТекст → label4 профессии

Дообученная модель ModernBERT для классификации токенов, оценённая на неизвестном наборе данных.

13скачиваний за 30 дней0лайковвеса обновлены26 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

pii-layout-synth-v10 — дообученная на неизвестном наборе данных модель answerdotai/ModernBERT-base для классификации токенов. Она предназначена для разметки последовательностей текста; название модели указывает на возможную связь с синтетическими данными о расположении персональной информации, но README не подтверждает это назначение. Модель содержит 149 млн параметров, использует архитектуру ModernBERT и формат safetensors, работает через Transformers и поддерживает контекст до 8192 токенов.

В README приведены результаты оценки: F1 0,9931, точность 0,9986, precision 0,9913 и recall 0,9949; набор данных и методика оценки не раскрыты. Лицензия — Apache-2.0.

Сценарии применения

разметка токенов в последовательностях текста
экспериментальная классификация персональной информации в тексте

Ограничения

Датасет, точное назначение меток и методика оценки не описаны, поэтому приведённые высокие метрики нельзя уверенно переносить на другие данные. README не раскрывает сведения об ограничениях применения.

Для каких профессий подходит4

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.11Разработка и данныеКибербезопасность и приватностьAI помогает обнаруживать киберугрозы, защищать данные и помогать реагировать на инциденты.25 задач4 232модели II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей I.4Универсальные способностиОбработка документов и формAI помогает оцифровывать документы, проверять их комплектность и сокращать ручной ввод данных.16 задач7 180моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

pii-layout-synth-v10

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

Loss: 0.0061
Precision: 0.9913
Recall: 0.9949
F1: 0.9931
Accuracy: 0.9986

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: 5e-05
train_batch_size: 16
eval_batch_size: 32
seed: 42
gradient_accumulation_steps: 2
total_train_batch_size: 32
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: cosine_with_restarts
lr_scheduler_warmup_steps: 200
num_epochs: 5
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Precision	Recall	F1	Accuracy
0.0479	0.2455	500	0.0170	0.9615	0.9769	0.9692	0.9951
0.0232	0.4909	1000	0.0096	0.9796	0.9882	0.9838	0.9972
0.0202	0.7364	1500	0.0082	0.9820	0.9873	0.9846	0.9975
0.0188	0.9818	2000	0.0067	0.9829	0.9868	0.9849	0.9978
0.0094	1.2273	2500	0.0074	0.9861	0.9917	0.9889	0.9979
0.0127	1.4728	3000	0.0056	0.9879	0.9937	0.9908	0.9982
0.0099	1.7182	3500	0.0055	0.9878	0.9931	0.9905	0.9983
0.0085	1.9637	4000	0.0054	0.9881	0.9940	0.9910	0.9983
0.0040	2.2091	4500	0.0050	0.9888	0.9918	0.9903	0.9983
0.0041	2.4546	5000	0.0059	0.9905	0.9950	0.9927	0.9984
0.0036	2.7000	5500	0.0054	0.9893	0.9930	0.9912	0.9984
0.0036	2.9455	6000	0.0048	0.9915	0.9952	0.9933	0.9986
0.0013	3.1910	6500	0.0056	0.9915	0.9949	0.9932	0.9986
0.0011	3.4364	7000	0.0058	0.9910	0.9940	0.9925	0.9985
0.0014	3.6819	7500	0.0061	0.9913	0.9949	0.9931	0.9986

Framework versions

Transformers 5.12.1
Pytorch 2.12.1+cu130
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 · token-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: ModernBertForTokenClassification
Ревизия весов: 4a13f0d