общество самит кулинария крипто токен

Скидки, сделки и секреты: как я дообучал NER-модели для маскирования

Я дообучил GLiNER2.5 выделять коммерческие условия в свободном тексте: согласованные цены, скидки, графики оплаты и внутренние ограничения по сделкам.

Это задача распознавания именованных сущностей, или NER: модель должна найти нужный фрагмент и определить его тип. Для эксперимента взял синтетические заметки и переписку из условной CRM, чтобы проверить, насколько обучение под предметную область меняет поведение готового распознавателя и как это сказывается на скорости и расходе памяти.Начал с шести типов сущностей и сравнения полного дообучения с LoRA, DoRA, rsLoRA и QLoRA.

DMCA