Характеристики

Контекст: 512 токенов
Параметры: 137 млн
Лицензия: MIT
Архитектура: bert · dense
Базовая модель: InLegalBERT
Библиотека: transformers
Опубликована: 11 июл 2026

Ссылки

Hugging Face

new-legal-ner

samandar1105

Разметка токеновТекст → label

Дообученная на юридических данных BERT-модель для распознавания и разметки именованных сущностей в тексте.

15скачиваний за 30 дней0лайковвеса обновлены11 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

new-legal-ner — модель для разметки токенов, созданная дообучением InLegalBERT разработчиком samandar1105 на неизвестном наборе данных. Она принимает текст и присваивает метки его токенам; заявленная задача — распознавание именованных сущностей в юридическом тексте. Модель построена на архитектуре BERT, содержит 136,7 млн параметров, работает с контекстом до 512 токенов и распространяется в формате safetensors. Базовая InLegalBERT обучалась на англоязычных судебных документах Индии, но язык и предметный охват данных дообучения не раскрыты.

В карточке приведены метрики на оценочной выборке: precision 0,6151, recall 0,8766, F1 0,7230 и accuracy 0,9444. Эти результаты не позволяют судить о качестве на других наборах данных или юридических системах. Лицензия модели — MIT.

Сценарии применения

извлечение именованных сущностей из юридических документов
разметка токенов в судебных и правовых текстах
подготовка юридических документов к поиску и анализу

Ограничения

Датасет дообучения и набор меток не описаны, поэтому область применимости и язык модели нельзя подтвердить; метрики приведены только для одной оценочной выборки. Контекст ограничен 512 токенами.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

new-legal-ner

This model is a fine-tuned version of law-ai/InLegalBERT on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.2370
Precision: 0.6151
Recall: 0.8766
F1: 0.7230
Accuracy: 0.9444

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: 3e-05
train_batch_size: 16
eval_batch_size: 32
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: 0.1
num_epochs: 6
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Accuracy	F1	Validation Loss	Precision	Recall
0.3107	1.0	688	0.8167	0.3887	0.2439	0.2676	0.7100
0.2381	2.0	1376	0.2173	0.3925	0.7724	0.5205	0.8837
0.1615	3.0	2064	0.2370	0.5189	0.8445	0.6428	0.9209
0.1052	4.0	2752	0.2241	0.5128	0.8382	0.6363	0.9201
0.0700	5.0	3440	0.2402	0.5829	0.8705	0.6982	0.9358
0.0546	6.0	4128	0.2447	0.6195	0.8819	0.7278	0.9432

Framework versions

Transformers 5.12.1
Pytorch 2.11.0+cu128
Datasets 4.0.0
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: dc7ab6e