Разработчики выпустили модель GLiNER2.5 Base для извлечения информации

Команда разработчиков представила GLiNER2.5 Base — новую версию модели, предназначенную для унифицированного извлечения структурированных данных из неструктурированного текста. Релиз расширяет линейку инструментов для обработки естественного языка, предлагая баланс между производительностью и ресурсоемкостью.

Модель построена на архитектуре DeBERTa-v3-base и содержит 194 млн параметров. Основная специализация системы заключается в извлечении сущностей, классификации объектов и выявлении связей между ними. Для работы с данными в модели реализована поддержка функционала AutoExtractor, что позволяет автоматизировать процесс формирования схем извлечения.

Техническая реализация модели ориентирована на задачи, требующие высокой точности при работе с произвольными типами сущностей, которые не были жестко заданы в процессе обучения. Использование DeBERTa-v3 обеспечивает улучшенное понимание контекста по сравнению с предыдущими итерациями семейства GLiNER, что критично для задач извлечения отношений в сложных предложениях.

Обновление дополняет экосистему инструментов для автоматизации анализа текстовых массивов. Разработчики отмечают, что данная версия оптимизирована для интеграции в пайплайны обработки данных, где требуется гибкая настройка схем извлечения без необходимости дообучения модели под каждый конкретный домен или тип сущности.