Характеристики

Лицензия: Apache 2.0
Опубликована: 19 сен 2026

Ссылки

Hugging Face

excerpt-highlight-scorer

seanll95

Ранжирование текстаТекст → score

Кросс-энкодер Core ML для ранжирования фрагментов текста по вероятности того, что читатель выделит их как важные.

157скачиваний за 30 дней0лайковвеса обновлены15 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

Excerpt Highlight Scorer — кросс-энкодер в формате Core ML, используемый функцией Suggested Highlights приложения Excerpt для iOS. Модель ранжирует предложенные фрагменты по вероятности того, что читатель выделил бы их как важные. Приложение загружает её при первом использовании функции, а не включает в установочный пакет.

Модель принимает токенизированный текст через input_ids, attention_mask и token_type_ids и возвращает logits для оценки кандидатов. В репозитории есть пакет Core ML и WordPiece-токенизатор; размер пакета фиксирован на 1, а приложение обрабатывает наборы кандидатов последовательно. Лицензия — Apache-2.0. README указывает имя файла electra-crowd-v4, но не раскрывает точный идентификатор базовой модели или поддерживаемые языки.

Сценарии применения

подбор фрагментов для функции Suggested Highlights в приложении для чтения
ранжирование абзацев по вероятности их выделения читателем
сравнение кандидатов на роль ключевых фрагментов документа

Ограничения

Модель рассчитана на ранжирование кандидатов в приложении Excerpt; README не описывает её точность или переносимость на другие сценарии. Размер пакета на входе фиксирован на 1.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Excerpt highlight scorer

Core ML cross-encoder that ranks candidate passages by how likely a reader is to highlight them. Used by the Excerpt iOS app's Suggested Highlights feature, which downloads it on first use rather than shipping it in the app.

Layout

Each revision is a top-level directory. The app pins one by name (SuggestedHighlightModels.modelRevision) and downloads only that directory, so a new upload can never be mistaken for a copy already on disk.

v1/electra-crowd-v4.mlpackage/   # Core ML package, compiled on device
v1/tokenizer.json                # WordPiece vocabulary
v1/tokenizer_config.json         # provenance only
v1/manifest.json                 # provenance only

Publishing a replacement means uploading v2/ and bumping the constant in the app. Existing installs keep working against the revision they were built for.

Inputs and outputs

input_ids, attention_mask, token_type_ids → logits. Batch dimension is fixed at 1; the app batches through MLArrayBatchProvider.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов: 2b041e8