/ Модель

Характеристики

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

gliner2-large-v1-casie

Разметка токеновТекст → label3 профессии

Дообученная GLiNER2 модель извлекает сущности и события кибербезопасности из англоязычных текстов.

16скачиваний 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

whr778/gliner2-large-v1-casie — модель извлечения информации на базе GLiNER2 large v1 от Fastino, дообученная для задач из набора CASIE. Она предназначена для извлечения сущностей, типов и триггеров событий, а также их аргументов из англоязычных текстов по кибербезопасности. В карточке также заявлены извлечение отношений и классификация; модель использует библиотеку gliner2 и опубликована в формате safetensors.

На тестовой выборке показаны высокие результаты для определения типа события (F1 0,975) и более умеренные для сущностей (F1 0,591 строго, 0,731 с relaxed matching) и триггеров событий (F1 0,487 строго, 0,573 relaxed). Порог решения по умолчанию — 0,5. Для использования доступны веса с лицензией, обозначенной как other; условия следует сверить с карточкой и источником датасета CASIE.

Сценарии применения

  • извлечение событий кибератак из отчетов об инцидентах
  • выделение триггеров и типов событий кибербезопасности
  • извлечение сущностей и аргументов событий из текстов угроз
  • структурирование англоязычных отчетов по кибербезопасности

Ограничения

Оценка на тестовой выборке показывает сравнительно низкий строгий F1 для извлечения триггеров событий (0,487); результаты по другим предметным областям и языкам не приведены. Лицензия указана как other, поэтому условия использования нужно проверить отдельно.

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-large-v1_casie

A GLiNER2 multi-task information-extraction model (entities, relations, events, and classification) fine-tuned from fastino/gliner2-large-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-large-v1
  • Library: gliner2
  • Tasks: entity, relation, event, and classification extraction
  • Experiment: gliner2-large-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 on2026-07-19
Duration25m 12s
Throughput13.8 samples/s
Epochs15
Batch size4 (× 8 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
entity0.530 → 0.6560.667 → 0.8250.591 → 0.7312136
event_type1.000 → 1.0000.951 → 0.9510.975 → 0.975185
event_trigger0.711 → 0.8360.370 → 0.4360.487 → 0.573856
event_argument0.242 → 0.8020.134 → 0.4180.173 → 0.5492413
event0.417 → 0.8300.237 → 0.4530.302 → 0.5863454

Best checkpoint (validation)

Micro precision / recall / F1, strict → relaxed.

CategoryPrecisionRecallF1Support
entity0.605 → 0.7360.641 → 0.7790.623 → 0.7572630
event_type1.000 → 1.0000.885 → 0.8850.939 → 0.939296
event_trigger0.776 → 0.9020.385 → 0.4470.514 → 0.5981006
event_argument0.334 → 0.8370.171 → 0.4160.226 → 0.5562706
event0.518 → 0.8750.277 → 0.4610.361 → 0.6044008

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-large-v1 — see model card

Unverified — verify the upstream terms before redistribution

  • CASIE (see source)
  • gliner2-large-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 (2026-07-19).

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
349a111

0 моделей