PII-Tracer

모델 소개

PII masking model for conversational data. A ~600M-parameter bidirectional Qwen3 encoder (`perplexity-ai/pplx-embed-v1-0.6b` backbone, run encoder-only via `is_causal=false`) with two heads: `predict` and `mask` wrap `model(input_ids, attention_mask)`, which returns the 37 BIOES tag logits per token and one sensitivity logit per document. The implementation is `modeling_pii_masking.py` in this repo: it builds the encoder with the standard Transformers `Qwen3Model` run bidirectionally via `config.is_causal = False` (hence `transformers>=5.2`, which passes `is_causal` through to the attention backend), applies this repo's fine-tuned weights and the two heads, and decodes spans with the constrained BIOES Viterbi included in the file. Input is truncated to `max_seq_len` (4096) tokens; chunk longer documents before calling `predict`. `model.save_pretrained(dir)` also saves the tokenizer, so the saved directory loads and predicts on its own. `model.safetensors` holds the fine-tuned backbone (bf16, `backbone.*`), both heads (fp32, `token_cls_head.*` / `sensitivity_head.*`), and the Viterbi bias scalars (`viterbi.*`). `max_seq_len` is 4096 tokens.

주요 특징

特点摘要待依据来源补齐，不凭模型名称推断能力。

한계 및 유의 사항

구체적 한계를 판단할 출처가 부족합니다. 실제 성능, 지연, 데이터 정책, 라이선스와 버전 수명을 확인하세요.

출처별 요금 및 비용 분석

요금은 채널, 지역, 설정에 따라 다릅니다. 각 채널 요금은 개별 표시되며 제공사의 통일 공식 요금이 아닙니다.

공개 평가 및 실행 설정

暂无已采集的可核验公开评分。模型未上榜不代表能力较低。

자주 묻는 질문

출처 및 추적 기록

许可证：mit。模型介绍与第三方评测均以原来源的具体版本和方法为准。