/ Модель

Характеристики

Контекст
1 026 токенов
Параметры
136 млн
Архитектура
roberta · dense
Базовая модель
py314-pylingual-v6-mlm
Библиотека
transformers
Опубликована
8 авг 2026

py314-pylingual-v6-segmenter

Разметка токеновТекст → label3 профессии

Дообученная RoBERTa для присвоения меток токенам и сегментации текста.

7скачиваний за 30 дней0лайковвеса обновлены8 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

syssec-utd/py314-pylingual-v6-segmenter — это дообученная модель RoBERTa для классификации токенов, созданная на основе syssec-utd/py314-pylingual-v6-mlm и обученная на датасете syssec-utd/segmentation-py314-pylingual-v6-tokenized. Она предназначена для сегментации текста с присвоением меток отдельным токенам. В репозитории указаны 136,3 млн параметров и контекст до 1026 токенов; модель использует библиотеку Transformers и сохранена в формате safetensors.

На оценочной выборке указаны F1 0,994, точность 0,993, полнота 0,995 и accuracy 0,9983. Карточка не раскрывает набор меток и подробности обучающих данных, поэтому область применения результатов сегментации определить точнее нельзя. Лицензия в предоставленных данных не указана.

Сценарии применения

  • сегментация текста на токены с метками
  • разметка последовательностей токенов
  • классификация токенов в специализированных текстах

Ограничения

В карточке не описаны набор меток, конкретные сценарии сегментации и ограничения на входные данные. Указанные метрики относятся к оценочной выборке; лицензия в доступных данных не приведена.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

py314-pylingual-v6-segmenter

This model is a fine-tuned version of syssec-utd/py314-pylingual-v6-mlm on the syssec-utd/segmentation-py314-pylingual-v6-tokenized dataset. It achieves the following results on the evaluation set:

  • Loss: 0.0054
  • Precision: 0.9930
  • Recall: 0.9950
  • F1: 0.9940
  • Accuracy: 0.9983

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: 2e-05
  • train_batch_size: 28
  • eval_batch_size: 8
  • seed: 42
  • distributed_type: multi-GPU
  • 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
  • num_epochs: 2
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossPrecisionRecallF1Accuracy
0.00621.01836210.00430.99340.99480.99410.9983
0.00342.03672420.00540.99300.99500.99400.9983

Framework versions

  • Transformers 5.12.1
  • Pytorch 2.12.0+cu130
  • Datasets 5.0.0
  • 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
RobertaForTokenClassification
Ревизия весов
3675b64

0 моделей