Характеристики

Контекст: 512 токенов
Параметры: 40 млн
Лицензия: MIT
Архитектура: bert · dense
Базовая модель: bge-small-en-v1.5
Библиотека: transformers
Опубликована: 8 окт 2026

Ссылки

Hugging Face

bge-small-en-v1.5-conll2003-ner

rejinasab

Разметка токеновТекст → label

Компактная англоязычная BERT-модель для извлечения именованных сущностей из текста.

11скачиваний за 30 дней0лайковвеса обновлены8 окт 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

bge-small-en-v1.5-conll2003-ner — англоязычная модель для распознавания именованных сущностей, созданная дообучением BAAI/bge-small-en-v1.5. Она использует архитектуру BERT и предназначена для классификации токенов: определения сущностей в тексте, например имён людей, организаций и мест. Модель содержит около 40 млн параметров, принимает текстовые последовательности длиной до 512 токенов и выдаёт метки для токенов. Для оценки на тестовом наборе указаны F1 0,922, точность 0,9121, полнота 0,9322 и accuracy 0,9829.

Модель подходит для извлечения сущностей из англоязычных документов и текстов. В карточке указана лицензия MIT. Датасет дообучения описан как неизвестный, поэтому результаты и поведение вне указанной оценки могут отличаться.

Сценарии применения

извлечение имён людей из англоязычных текстов
поиск организаций и мест в документах
автоматическая разметка сущностей по токенам
извлечение именованных сущностей из англоязычных новостей

Ограничения

В README указан неизвестный датасет дообучения, поэтому оценочные метрики не позволяют уверенно судить о качестве на других типах текста. Контекст ограничен 512 токенами.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

bge-small-en-v1.5-conll2003-ner

This model is a fine-tuned version of BAAI/bge-small-en-v1.5 on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.1056
Precision: 0.9121
Recall: 0.9322
F1: 0.9220
Accuracy: 0.9829

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: 64
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: 20
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Precision	Recall	F1	Accuracy
0.1888	1.0	625	0.1287	0.8204	0.8777	0.8480	0.9724
0.0831	2.0	1250	0.0827	0.8884	0.9133	0.9007	0.9803
0.0740	3.0	1875	0.0815	0.8881	0.9125	0.9001	0.9795
0.0304	4.0	2500	0.0892	0.9019	0.9221	0.9119	0.9810
0.0281	5.0	3125	0.0805	0.9040	0.9273	0.9155	0.9819
0.0228	6.0	3750	0.0862	0.9086	0.9280	0.9182	0.9822
0.0149	7.0	4375	0.0859	0.9059	0.9303	0.9180	0.9819
0.0163	8.0	5000	0.0864	0.9127	0.9286	0.9206	0.9831
0.0096	9.0	5625	0.0974	0.9037	0.9273	0.9154	0.9815
0.0091	10.0	6250	0.1028	0.9148	0.9285	0.9216	0.9819
0.0105	11.0	6875	0.0981	0.9090	0.9325	0.9206	0.9822
0.0055	12.0	7500	0.1038	0.9129	0.9275	0.9201	0.9824
0.0040	13.0	8125	0.1066	0.9174	0.9340	0.9256	0.9831
0.0059	14.0	8750	0.1059	0.9174	0.9325	0.9249	0.9830
0.0012	15.0	9375	0.1090	0.9182	0.9300	0.9241	0.9829
0.0028	16.0	10000	0.1056	0.9121	0.9322	0.9220	0.9829

Framework versions

Transformers 5.18.0
Pytorch 2.11.0+cu130
Datasets 4.8.5
Tokenizers 0.23.2

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: 217ddb4