Характеристики

Лицензия: Apache 2.0
Архитектура: extractor · dense
Опубликована: 15 авг 2026

Ссылки

Hugging Face

gliner2_datause

rafmacalaba

Разметка токеновТекст → label3 профессии

Дообученная GLiNER2 для поиска упоминаний источников данных в экономических научных статьях.

6скачиваний за 30 дней0лайковвеса обновлены15 авг 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

rafmacalaba/gliner2_datause — дообученная модель GLiNER2, созданная для извлечения упоминаний источников данных из экономических исследовательских статей. Она выделяет названия и акронимы конкретных наборов данных, описательные упоминания неназванных источников и общие формулировки о данных без идентифицируемого источника.

Модель предназначена для разметки текста и поиска упоминаний датасетов, опросов, переписей и реестров в корпусах научных публикаций. В тестировании на отложенной выборке лучший F1 составил 0,8418 при пороге 0,4, а лучший F0.5 — 0,8419 при пороге 0,6. Модель распространяется в формате safetensors по лицензии Apache-2.0.

Сценарии применения

извлечение названий датасетов из экономических статей
поиск упоминаний опросов и переписей в научных публикациях
выявление реестров, используемых в исследованиях
различение именованных и описательных источников данных
разметка общих упоминаний данных без конкретного источника

Ограничения

Оценка на отложенной выборке показывает компромисс между точностью и полнотой в зависимости от выбранного порога; лучший F1 указан для порога 0,4. Данные README не описывают оценку на других предметных областях или языках.

Для каких профессий подходит3

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 I.1Универсальные способностиПоиск и навигация по информацииAI помогает находить нужные сведения и помогать человеку быстро переходить от вопроса к подтверждённому источнику.18 задач13 467моделей I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

gliner2_datause

Fine-tune of fastino/gliner2-large-v1 (GLiNER2) for data-use mention extraction (dataset / survey / census / registry mentions in economics research papers).

Labels

NAMED_DATA — a proper name, title, or acronym of a specific data source
DESCRIPTIVE_DATA — a source described in words but not named
VAGUE_DATA — generic data wording with no identifiable source

Training

base model: fastino/gliner2-large-v1
dataset: rafmacalaba/data-use-mentions (gliner2 config)
epochs: 5
encoder LR: 1e-05
task LR: 0.0005
batch size: 8
precision: bf16

Evaluation (holdout, label-agnostic)

thr	tp	fp	fn	precision	recall	f0.5	f1
0.10	7037	3193	310	0.6879	0.9578	0.7290	0.8007
0.20	6915	2509	432	0.7338	0.9412	0.7676	0.8246
0.30	6789	2047	558	0.7683	0.9241	0.7951	0.8390
0.40	6576	1700	771	0.7946	0.8951	0.8128	0.8418
0.50	6300	1339	1047	0.8247	0.8575	0.8311	0.8408
0.60	5855	1001	1492	0.8540	0.7969	0.8419	0.8245
0.70	5072	630	2275	0.8895	0.6903	0.8410	0.7774

Best F0.5: 0.8419 (thr=0.6) Best F1: 0.8418 (thr=0.4)

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели GLiNER требуют отдельного рантайма.

Ревизия весов: b0df5dc