/ Модель

Характеристики

Лицензия
Своя лицензия
Архитектура
extractor · dense
Базовая модель
gliner2-base-v1
Библиотека
gliner2
Опубликована
20 июл 2026

gliner2-base-v1-casie

Разметка токеновТекст → label3 профессии

Модель GLiNER2, дообученная на CASIE для извлечения сущностей и событий кибербезопасности из англоязычного текста.

9скачиваний за 30 дней0лайковвеса обновлены6 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

GLiNER2-base-v1-CASIE — модель извлечения информации, созданная дообучением fastino/gliner2-base-v1 командой whr778. Она предназначена для выявления сущностей и событий кибербезопасности в англоязычном тексте; карточка также указывает задачи извлечения отношений и классификации. Обучение проводилось на наборе CASIE: 798 записей для обучения, 95 для валидации и 107 для тестирования. Модель работает через библиотеку gliner2, веса опубликованы в формате safetensors.

На тестовой выборке F1 для типов событий составила 0,928, а для триггеров событий — 0,413 при строгом сопоставлении и 0,490 при ослабленном. Для сущностей F1 составила 0,553 и 0,681 соответственно, поэтому извлечённые сущности и триггеры требуют проверки. Лицензия указана как other; конкретные условия использования следует сверить с карточкой и исходным набором данных CASIE.

Сценарии применения

  • извлечение типов событий кибербезопасности из текстов
  • поиск триггеров событий в сообщениях об инцидентах
  • выделение сущностей в англоязычных отчётах о киберугрозах
  • извлечение аргументов событий кибербезопасности
  • классификация текстов по событиям кибербезопасности

Ограничения

Оценки извлечения сущностей и триггеров на тестовой выборке заметно ниже оценки типов событий, поэтому результаты требуют проверки. Обучение описано для англоязычного набора CASIE; лицензия обозначена как other, а её конкретные условия в карточке не приведены.

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

gliner2-base-v1_casie

A GLiNER2 multi-task information-extraction model (entities, relations, events, and classification) fine-tuned from fastino/gliner2-base-v1.

⚠️ License at a glance

  • Effective license: Unverified — review required
  • Commercial use: Unverified
  • All dataset licenses verified: No

See License for the full determination and per-dataset terms.

Model details

  • Base model: fastino/gliner2-base-v1
  • Library: gliner2
  • Tasks: entity, relation, event, and classification extraction
  • Experiment: gliner2-base-v1_casie

Training data

1 dataset used for this run. 798 training records (val: 95, test: 107).

DatasetTask(s)TrainValTestLanguageLicenseSource
CASIEEvent extraction (cybersecurity)79895107ensee sourcelink

Dataset notes

  • CASIE — Cybersecurity event extraction co-trained with typed entity mentions; 5 event types, 26 argument roles.

Training procedure

SettingValue
Trained on2026-07-18
Duration7m 47s
Throughput21.3 samples/s
Epochs15
Batch size16 (× 2 grad-accum)
Encoder LR1e-05
Task-head LR0.0003
Weight decay0.01
Schedulercosine_restarts (warmup 0.05)
Precisionbf16
Max grad norm1.0
Best-checkpoint metriceval_event_strict_micro_f1
Seed42

Evaluation

Decision threshold: 0.5 (config default).

Blind test (held-out test splits)

Micro precision / recall / F1, strict → relaxed.

CategoryPrecisionRecallF1Support
entity0.485 → 0.5970.644 → 0.7930.553 → 0.6812136
event_type1.000 → 1.0000.865 → 0.8650.928 → 0.928185
event_trigger0.656 → 0.7790.301 → 0.3570.413 → 0.490856
event_argument0.101 → 0.7690.041 → 0.3180.058 → 0.4502413
event0.338 → 0.7970.150 → 0.3600.207 → 0.4963454

Best checkpoint (validation)

Micro precision / recall / F1, strict → relaxed.

CategoryPrecisionRecallF1Support
entity0.553 → 0.6680.628 → 0.7590.588 → 0.7112630
event_type1.000 → 1.0000.764 → 0.7640.866 → 0.866296
event_trigger0.743 → 0.8660.302 → 0.3520.430 → 0.5001006
event_argument0.121 → 0.8190.047 → 0.3400.067 → 0.4812706
event0.391 → 0.8550.164 → 0.3760.231 → 0.5234008

License

Effective license: Unverified — review required. This model is a derivative of its base model and every training dataset, so the most restrictive term across all of them governs the whole model.

  • Commercial use: Unverified
  • Share-alike obligation: No
  • All licenses verified: No
  • Base model: gliner2-base-v1 — see model card

Unverified — verify the upstream terms before redistribution

  • CASIE (see source)
  • gliner2-base-v1 (see model card)

License strings are copied verbatim from each dataset's card/source and from tools/train/dataset_registry.yaml. "see card"/"see source"/"other" mean the upstream declares no clear license — treat as unverified. This summary is informational, not legal advice; confirm terms before redistribution or commercial use.

Citation

If you use this model, please cite GLiNER2 and the underlying datasets (linked in Training data).


Model card generated automatically at the end of training (2026-07-18).

Как запустить

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

GPU в ailist

Универсальный рантайм · gliner2

Нельзя запустить

Модели GLiNER требуют отдельного рантайма.

Ревизия весов
ecbf0ae

0 моделей