Характеристики

Лицензия: Apache 2.0
Опубликована: 16 авг 2026

Ссылки

Hugging Face

gliner_datause_extended-onnx

rafmacalaba

Разметка токеновТекст → label

Экспорт GLiNER в ONNX FP16 для извлечения и классификации упоминаний источников данных в экономических научных статьях.

0скачиваний за 30 дней0лайковвеса обновлены16 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/gliner_datause_extended-onnx — экспорт в ONNX FP16 модели rafmacalaba/gliner_datause_extended, созданной для извлечения упоминаний источников данных из экономических научных статей. Модель основана на дообученной urchade/gliner_large-v2.1 и размечает фрагменты текста как именованные источники данных (NAMED_DATA), описательные упоминания (DESCRIPTIVE_DATA) или общие неидентифицируемые упоминания данных (VAGUE_DATA).

Репозиторий содержит ONNX-файл, метки и токенизаторы; модель предназначена, в частности, для запуска в демонстрации WebGPU. В описании приведены результаты оценки на отложенной выборке: лучший F1 равен 0,8549 при пороге 0,5. Лицензия — Apache-2.0. Это экспорт формата ONNX, а не новая модель; точный размер и контекст в карточке не указаны.

Сценарии применения

извлечение названий наборов данных из экономических статей
поиск упоминаний обследований, переписей и реестров
классификация упоминаний источников данных по степени определённости

Ограничения

Результаты зависят от выбранного порога классификации; на пороге 0,5 приведён F1 0,8549 на отложенной выборке. Модель настроена на упоминания источников данных в экономических исследованиях, поэтому её качество на других типах текстов не установлено.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

gliner_datause_extended (ONNX)

FP16 ONNX export of rafmacalaba/gliner_datause_extended for the WebGPU demo.

Files

onnx/gliner_datause_extended_fp16.onnx
onnx/gliner_datause_extended_fp16.labels.json
tokenizer.json
tokenizer_config.json

Source model card

license: apache-2.0 pipeline_tag: token-classification tags:

ner
gliner
data-use

gliner_datause_extended

Fine-tune of urchade/gliner_large-v2.1 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: urchade/gliner_large-v2.1
dataset: rafmacalaba/data-use-mentions-extended (gliner config)
epochs: 5
learning rate: 5e-06
batch size: 16
precision: bf16

Evaluation (holdout)

thr	tp	fp	fn	precision	recall	f0.5	f1
0.10	12283	8280	281	0.5973	0.9776	0.6477	0.7416
0.20	12192	6065	372	0.6678	0.9704	0.7122	0.7911
0.30	12062	4883	502	0.7118	0.9600	0.7506	0.8175
0.40	11845	3857	719	0.7544	0.9428	0.7858	0.8381
0.50	11498	2837	1066	0.8021	0.9152	0.8224	0.8549
0.60	10519	1798	2045	0.8540	0.8372	0.8506	0.8455
0.70	8328	892	4236	0.9033	0.6628	0.8422	0.7646

Best F0.5: 0.8506 (thr=0.6) Best F1: 0.8549 (thr=0.5)

NER holdout comparison

device: NVIDIA H100 NVL

rafmacalaba/data-use-mentions-extended (n=9249)

model	backend	best F0.5	thr	best F1	thr	wall-clock (s)	texts/s
`rafmacalaba/gliner_datause_extended`	gliner	0.8506	0.6	0.8549	0.5	202.7	45.6
`ai4data/gliner2_datause`	gliner2	0.8634	0.7	0.8624	0.6	180.8	51.1

F0.5 by threshold (sweet spots side-by-side):

thr	`rafmacalaba/gliner_datause_extended`	`ai4data/gliner2_datause`
0.1	0.6476	0.7321
0.2	0.7121	0.7712
0.3	0.7505	0.7979
0.4	0.7858	0.8201
0.5	0.8224	0.8363
0.6	0.8506	0.8523
0.7	0.8422	0.8634

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

В репозитории нет весов в формате PyTorch/safetensors.

Ревизия весов: e5c8a18