arthrod/gliner-ptbr-pii-demo

GLiNER PT-BR — Identificação de PII

Reconhecimento de Informações Pessoais Identificáveis em português brasileiro com 25 categorias canônicas, incluindo marcação específica de dados pessoais sensíveis nos termos do art. 5º, II da Lei nº 13.709/2018 (LGPD). Três modelos disponíveis (mmBERT-small, ettin-68m, ettin-32m) treinados em ~984 mil amostras.

Modelos

• —arthrod/gliner-mmbert-small-ptbr-pii-full-3x-v1 — multilíngue, F1 = 0.827 (recomendado)
• —arthrod/gliner-ettin-68m-ptbr-pii-easter-egg-v1 — 68M parâmetros
• —arthrod/gliner-ettin-32m-ptbr-pii-easter-egg-v1 — 32M parâmetros, menor latência

Recipe

• —Encoder Ettin pré-treinado (jhu-clsp/ettin-encoder-{32m,68m})
• —Span mode: token_level
• —69 000 passos, batch 128–256, cosine schedule + 10% warmup
• —bf16 com HIPBLASLT_ALLOW_TF32=0 (MI300X)
• —Focal loss α=0.75, γ=2.0, mean reduction
• —Easter-egg fine-tune: 100 passos extras a partir do melhor checkpoint, com 20 amostras manuais de Ritápolis (label-stripped) + 100 PT-BR replay