MiniCPM4-0.5B 接入 Presidio 识别敏感文本

姓名、邮箱、API 密钥——我们的社区大使 @povedaai 正让 MiniCPM4-0.5B 投入敏感文本检测工作。🔐

该项目为 Microsoft Presidio 增加了一个由 MiniCPM 驱动的 PII 识别器，帮助识别文本中的敏感信息，以支持后续匿名化处理。

下面来看看它的内部构造 👇

🧠 紧凑的基础模型：基于 MiniCPM4-0.5B 构建，将一个 0.5B 参数的模型适配到专门的 token 分类任务上。

🛠️ 任务特定微调：使用在 NVIDIA Nemotron-PII 数据集上训练的 LoRA 适配器，并搭配自定义的 token 分类头。

🔎 55 类 PII/PHI 标签：覆盖姓名、邮箱地址、电话号码、金融标识符、API 密钥、密码和病历号等信息。

🔗 Presidio 集成：将模型预测结果映射为 Presidio 的实体格式，使该识别器能够在其分析流程中运行，并支持下游的匿名化工作流。

💻 本地推理：该识别器在本地加载模型和适配器，为开发者在自己环境中探索敏感文本处理提供了一条路径。

我们很高兴看到社区将 MiniCPM 打造成实用、专用的工具。这个项目展示了开放模型、轻量适配与现有开发者框架如何结合起来，服务于一个具体的应用场景。🌍

正在从事数据准备、文本匿名化或隐私工具开发？试试演示、探索适配器，并查看实现代码吧！🚀

🧩 模型：https://t.co/w6xDMTXQ9R 📂 仓库：https://t.co/wApREtgiBD 🔗 Hugging Face：https://t.co/FkG1AQqZX1

主题