Модель Türkçe metindeki kişisel verileri tespit edip yerinde maskeleyen 0.8B parametreli. Girdiyi alır, kişisel veriyi köşeli parantezli etiketle değiştirir, metnin geri kalanına dokunmaz. BIR LLM’e veri göndermeden önceki maskeleme katmanı, log temizleme ve KVKK/GDPR veri minimizasyonu için tasarlandı. 50 PII etiketi tanır. En önemli özelliği: talimatı okur. Aynı metin, farklı politika altında farklı maskelenir — «yalnızca IBAN ‘ı gizle», «telefonu açık bırak, gerisini maskele» gibi kapsam talimatlarına uyar. Metrikler entity düzeyindedir: her maskelenen varlık ayrı sayılır. Точное соответствие, çıktının beklenen metinle karakter karakter aynı olması demektir. Talimat verilmezse tam maskeleme varsayılır, ama her zaman açık bir talimat ver — model talimat üzerine eğitildi. Eğitim ve test verisinin tamamı sentetiktir; gerçek kişilere ait kayıt içermez. Üç test seti de aynı üreticiden gelir. Yukarıdaki skorlar dağılım içi başarımdır. Gerçek kullanıcı metnindeki performans ölçülmemiştir ve daha düşük olması beklenir. Модель bazen 50 etiketin dışında bir etiket uyduruyor — genellikle metindeki komşu karakter dizisinden kurarak (RoHS → [ROHSNO], color → [COLOR]`). 5.000 örnekte 9 adet görüldü…
Модальности:
Генерация текста
Области применения:
Диалог / чат
Задача: Генерация текста
Автор: melikegks
Теги: qwen3_5_text, pii, anonymization, masking, kvkk, gdpr, turkish, privacy
Лайков: 4 | Загрузок: 79
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
