開發人員發佈了多語言模型GLiNER2.5 Multi

開發團隊推出了 GLiNER2.5 Multi — 更新的統一信息提取模型。該系統旨在解決實體識別、文本分類和對象之間關係的判斷等任務，在多語言環境中。

模型架構基於預訓練的編碼器 mDeBERTa-v3-base。參數總數為 287萬，在性能和計算資源需求之間取得平衡。模型支持通過 AutoExtractor 庫進行集成，簡化了對現有數據處理管道的集成。

在內部測試中，系統展示了高效的性能，僅用 3小時 訓練時間就獲得了 96分 的內部質量評估。開發人員關注工具的通用性，允許用戶在不需要為特定域進行微調的情況下從非結構化文本中提取結構化數據。

該版本可在 Hugging Face 平台上下載，采用開放授權。使用 GLiNER2.5 Multi 可以自動化實體提取，支持多語言項目，減少為每個語言設置特定分類器的時間。