Fastino 发布 GLiNER2.5 信息提取模型，采用边界预测架构

Techub News 消息，AI 公司 Fastino 发布了 GLiNER2.5 信息提取模型。该模型采用边界预测架构，取代了传统的跨度枚举方法，能直接预测实体开始和结束的位置，从而移除了对实体最大长度的限制，并支持长达 4096 个单词的上下文。该模型计算复杂度与序列长度呈线性关系，并支持实体与关系的联合解码。 GLiNER2.5 在 16 个零样本基准测试中取得了 56.17 的宏观 F1 分数，略优于前代 GLiNER2。Fastino 在 Hugging Face 上发布了三个参数规模分别为 7400 万、1.94 亿和 2.87 亿的模型检查点，采用 Apache 2.0 开源协议。 该模型适用于法律合同、医疗文档、金融服务、保险理赔及 AI 安全工具等多个行业，可用于个人身份信息检测与编辑、合同条款提取、知识图谱构建等任务。模型支持本地 CPU、CUDA 或 MPS 推理部署。 （MarkTechPost）