/ Модель

Характеристики

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

gliner2-large-v1-wikievents

Разметка токеновТекст → label7 профессий

Англоязычная модель GLiNER2, дообученная на WikiEvents для извлечения сущностей, событий и связанной с ними информации из 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

whr778/gliner2-large-v1-wikievents — модель извлечения информации на базе GLiNER2, дообученная на fastino/gliner2-large-v1. Она предназначена для совместного извлечения именованных сущностей, типов и триггеров событий, а также связанной с событиями информации; карточка также указывает извлечение отношений и классификацию. Модель использует библиотеку gliner2 и опубликована в формате safetensors.

Модель обучена на англоязычном наборе WikiEvents: 206 записей для обучения и по 20 для валидации и тестирования. Он включает онтологию из 49 типов событий и 57 ролей аргументов. В слепом тесте F1 для типов событий составил 0,962, для триггеров событий — 0,583 строго и 0,597 при relaxed-оценке; качество зависит от категории и способа сопоставления. Лицензия указана как other, поэтому условия использования следует уточнить в карточке модели и источнике набора данных.

Сценарии применения

  • извлечение именованных сущностей из англоязычных текстов
  • поиск триггеров и типов событий в документах
  • выделение участников событий и их ролей
  • извлечение отношений между сущностями
  • классификация текстов в задачах извлечения информации

Ограничения

Тестовая выборка содержит только 20 записей; качество различается по категориям, а F1 для триггеров событий ниже, чем для типов событий. Лицензия указана как other, а лицензия набора WikiEvents — see source, поэтому условия использования нужно проверить отдельно.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

gliner2-large-v1_wikievents

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_wikievents

Training data

1 dataset used for this run. 206 training records (val: 20, test: 20).

DatasetTask(s)TrainValTestLanguageLicenseSource
WikiEventsNER + event extraction2062020ensee sourcelink

Dataset notes

  • WikiEvents — KAIROS-ontology event extraction co-trained with typed entity mentions; 49 event types, 57 argument roles.

Training procedure

SettingValue
Trained on2026-07-20
Duration12m 8s
Throughput10.3 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
entity0.767 → 0.8030.818 → 0.8570.792 → 0.8291602
event_type1.000 → 1.0000.926 → 0.9260.962 → 0.962122
event_trigger0.499 → 0.5100.703 → 0.7200.583 → 0.597239
event_argument0.114 → 0.4550.124 → 0.4790.119 → 0.467515
event0.342 → 0.5390.394 → 0.6130.366 → 0.574876

Best checkpoint (validation)

Micro precision / recall / F1, strict → relaxed.

CategoryPrecisionRecallF1Support
entity0.736 → 0.7890.738 → 0.7920.737 → 0.7902519
event_type1.000 → 1.0000.717 → 0.7170.835 → 0.835276
event_trigger0.777 → 0.8010.487 → 0.5020.599 → 0.617464
event_argument0.270 → 0.6440.156 → 0.3930.198 → 0.488621
event0.614 → 0.7820.383 → 0.5000.472 → 0.6101361

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

  • WikiEvents (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 (2026-07-20).

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
02f375f

0 моделей