Характеристики

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

Ссылки

Hugging Face

gliner2_datause_smoke

rafmacalaba

Разметка токеновТекст → label3 профессии

Дообученная GLiNER2 извлекает и классифицирует упоминания источников данных в экономических научных статьях.

10скачиваний 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

GLiNER2 — дообученная модель извлечения упоминаний источников данных из научных статей по экономике. Она размечает фрагменты текста тремя типами: именованные источники данных, описанные без названия источники и расплывчатые упоминания данных. Базовая модель — fastino/gliner2-large-v1; модель сохранена в формате safetensors и распространяется по лицензии Apache-2.0.

Модель предназначена для поиска упоминаний наборов данных, обследований, переписей и реестров в экономических исследованиях. На отложенной выборке лучший F1 составил 0,4664 при пороге 0,1, а лучший F0.5 — 0,4819 при пороге 0,3, что указывает на заметные ошибки извлечения. Карточка сообщает об одном эпохе дообучения на специализированном наборе данных; контекст и поддерживаемые языки не приведены.

Сценарии применения

поиск названий наборов данных в экономических статьях
извлечение упоминаний обследований и переписей
выявление ссылок на реестры в исследовательских текстах
классификация явных и расплывчатых упоминаний источников данных

Ограничения

На отложенной выборке качество ограничено: лучший F1 равен 0,4664; при выбранных порогах сохраняются ложные срабатывания и пропуски. Оценка проведена на задаче извлечения упоминаний источников данных, поэтому применимость к другим типам текстов не подтверждена.

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_smoke

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: 1
encoder LR: 1e-05
task LR: 0.0005
batch size: 16
precision: bf16

Evaluation (holdout, label-agnostic)

thr	tp	fp	fn	precision	recall	f0.5	f1
0.10	59	103	32	0.3642	0.6484	0.3992	0.4664
0.20	46	61	45	0.4299	0.5055	0.4432	0.4646
0.30	40	41	51	0.4938	0.4396	0.4819	0.4651
0.40	29	29	62	0.5000	0.3187	0.4489	0.3893
0.50	21	18	70	0.5385	0.2308	0.4251	0.3231
0.60	14	13	77	0.5185	0.1538	0.3518	0.2373
0.70	9	2	82	0.8182	0.0989	0.3333	0.1765

Best F0.5: 0.4819 (thr=0.3) Best F1: 0.4664 (thr=0.1)

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: 0f45baf