Характеристики

Контекст: 514 токенов
Параметры: 659 млн
Лицензия: Apache 2.0
Архитектура: xlm-roberta · dense
Базовая модель: xlm-roberta-large
Библиотека: transformers
Опубликована: 29 дек 2025

Ссылки

Hugging Face

pii-ner-nemotron

scanpatch

Разметка токеновТекст → label5 профессий

Модель на базе XLM-RoBERTa Large находит и размечает персональные данные в английских, русских и украинских текстах.

71скачиваний за 30 дней1лайквеса обновлены29 дек 2025

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

scanpatch/pii-ner-nemotron — модель распознавания именованных сущностей, дообученная разработчиком scanpatch на датасете Nemotron на базе XLM-RoBERTa Large. Она извлекает из текста персональные данные: имена и их варианты, адреса и компоненты адресов, даты, номера документов, электронную почту, IP-адреса, телефоны, идентификаторы SNILS и TIN, номера автомобилей и организации. Модель предназначена для выявления и разметки чувствительных данных в текстах; её можно запускать через Transformers pipeline с задачей token-classification.

Модель содержит 658,7 млн параметров, использует архитектуру XLM-RoBERTa и принимает текстовые последовательности длиной до 514 токенов. В карточке заявлены английский, русский и украинский языки. Для тестовой выборки приведены F1 0,977, точность 0,973 и полнота 0,980; качество на других данных может отличаться. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

поиск персональных данных в документах
извлечение имён, адресов и контактов из текста
обнаружение номеров документов и государственных идентификаторов
выявление IP-адресов и номеров автомобилей
разметка текста перед обезличиванием

Ограничения

Максимальная длина входа составляет 514 токенов; для длинных документов потребуется разбиение на фрагменты. Метрики приведены только для тестовой выборки, поэтому качество на текстах другой тематики или формата может отличаться.

Для каких профессий подходит5

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.4Универсальные способностиОбработка документов и формAI помогает оцифровывать документы, проверять их комплектность и сокращать ручной ввод данных.16 задач7 180моделей IV.8Отраслевые задачиГосударственное управление, правосудие и чрезвычайные ситуацииAI помогает улучшать государственные услуги, управление ресурсами, правосудие и реагирование на чрезвычайные ситуации.47 задач2 517моделей I.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022модели

Также подходит для

IV.2Банки, платежи и инвестиции

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

pii-ner-nemotron

Model summary

PII NER model trained on nemotron dataset for multilingual PII entity extraction.

Base model: xlm-roberta-large
Repository: scanpatch/pii-ner-nemotron
Training run name: pii-ner-nemotron
Export timestamp (UTC): 2025-12-29T12:06:13.731145+00:00

Labels

Entity types

address
address_apartment
address_building
address_city
address_country
address_district
address_geolocation
address_house
address_postal_code
address_region
address_street
date
document_number
email
first_name
ip
last_name
middle_name
military_individual_number
mobile_phone
name
name_initials
nickname
organization
snils
tin
vehicle_number

Evaluation

Metric	Value
`test_f1`	`0.9768405285513023`
`test_precision`	`0.9734942064790006`
`test_recall`	`0.9802099354987895`
`test_accuracy`	`0.9977181928808507`
`train_runtime`	`1693.5057`
`train_samples_per_second`	`238.116`

How to use

from transformers import pipeline

ner = pipeline(
    "token-classification",
    model="scanpatch/pii-ner-nemotron",
    aggregation_strategy="simple",
)

text = "Contact me at test@example.com and my phone is +380 67 123 45 67."
print(ner(text))

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: XLMRobertaForTokenClassification
Ревизия весов: 99a8c78