/ Модель

Характеристики

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

gliner2-multi-v1-cmnee

Разметка токеновТекст → label3 профессии

Модель извлекает типы событий, триггеры и аргументы из китайских военных новостей.

10скачиваний 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-multi-v1-CMNEE — модель извлечения информации, дообученная whr778 на базе fastino/gliner2-multi-v1 с использованием датасета CMNEE. Она предназначена для извлечения событий из китайских военных новостей: определяет типы событий и триггерные фрагменты, а также извлекает аргументы и их роли. В датасете представлены 8 типов событий и 11 ролей аргументов. Модель использует библиотеку gliner2 и распространяется в формате safetensors.

На отложенном тесте F1 для типов событий составил 0,986, для триггеров событий — 0,874, а для аргументов — 0,221 при строгом сопоставлении и 0,709 при расслабленном. Это указывает на заметно менее надёжное точное извлечение аргументов. Лицензия указана как other; условия её использования следует сверить с карточкой модели и источником датасета.

Сценарии применения

  • извлечение событий из китайских военных новостей
  • определение типов событий в новостных текстах
  • нахождение триггеров событий в китайском тексте
  • извлечение участников и ролей событий из новостей

Ограничения

На тесте строгое F1 для извлечения аргументов составляет 0,221, существенно ниже показателей для типов и триггеров событий; результаты зависят от выбранного порога и схемы сопоставления. Карточка указывает лицензию other, поэтому условия использования следует 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-multi-v1_cmnee

A GLiNER2 multi-task information-extraction model (entities, relations, events, and classification) fine-tuned from fastino/gliner2-multi-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-multi-v1
  • Library: gliner2
  • Tasks: entity, relation, event, and classification extraction
  • Experiment: gliner2-multi-v1_cmnee

Training data

1 dataset used for this run. 9,284 training records (val: 1,606, test: 2,727).

DatasetTask(s)TrainValTestLanguageLicenseSource
CMNEEEvent extraction (Chinese military)9,2841,6062,727zhsee sourcelink

Dataset notes

  • CMNEE — Chinese military news event extraction; 8 event types, 11 argument roles.

Training procedure

SettingValue
Trained on2026-07-19
Duration1h 17m
Throughput17.9 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
event_type1.000 → 1.0000.972 → 0.9720.986 → 0.9863819
event_trigger0.921 → 0.9240.832 → 0.8350.874 → 0.8774848
event_argument0.268 → 0.8380.188 → 0.6140.221 → 0.70918432
event0.533 → 0.8850.414 → 0.7090.466 → 0.78727099

Best checkpoint (validation)

Micro precision / recall / F1, strict → relaxed.

CategoryPrecisionRecallF1Support
event_type1.000 → 1.0000.981 → 0.9810.990 → 0.9902248
event_trigger0.894 → 0.9140.837 → 0.8560.864 → 0.8842643
event_argument0.308 → 0.8160.227 → 0.6230.261 → 0.7069366
event0.565 → 0.8720.459 → 0.7260.506 → 0.79214257

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-multi-v1 — see model card

Unverified — verify the upstream terms before redistribution

  • CMNEE (see source)
  • gliner2-multi-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
9a75573

0 моделей