Характеристики

Контекст: 512 токенов
Параметры: 136 млн
Лицензия: Apache 2.0
Архитектура: bert · dense
Базовая модель: bert-base-cased
Библиотека: transformers
Опубликована: 8 июл 2026

Ссылки

Hugging Face

bert-finetuned-ner

pop123ux

Разметка токеновТекст → label

Дообученная BERT-модель для разметки токенов и распознавания именованных сущностей в тексте.

7скачиваний за 30 дней0лайковвеса обновлены8 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

Модель pop123ux/bert-finetuned-ner — дообученная версия google-bert/bert-base-cased для распознавания именованных сущностей в тексте. Она использует архитектуру BERT с классификационной головой для разметки токенов и обучена на наборе данных CoNLL-2003. Модель подходит для извлечения сущностей из текстов, например имён людей, организаций и географических названий.

Модель содержит 135,5 млн параметров, принимает текстовые последовательности длиной до 512 токенов и выдаёт метки для токенов. Для загрузки и работы используется Transformers; веса опубликованы в формате Safetensors. Лицензия — Apache-2.0. Карточка не содержит сведений об оценке качества или ограничениях применимости.

Сценарии применения

извлечение имён людей из текста
поиск организаций в документах
распознавание географических названий
разметка сущностей в новостных текстах

Ограничения

Модель обучена на CoNLL-2003, поэтому её качество на других жанрах и языках может отличаться. В карточке нет результатов оценки качества.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

bert-finetuned-ner

This model is a fine-tuned version of bert-base-cased on the conll2003 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: 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
lr_scheduler_warmup_steps: 500
num_epochs: 3

Training results

Framework versions

Transformers 5.13.0
Pytorch 2.11.0+cu128
Datasets 3.6.0
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: df85e16