基于 MiniCPM4-0.5B 微调的 PII 识别器接入 Microsoft Presidio
MiniCPM4-0.5B 微调实现 PII 识别并接入 Presidio
面壁智能社区项目用 LoRA 适配器在 NVIDIA Nemotron-PII 数据集上微调 MiniCPM4-0.5B，并加自定义 token 分类头，做出可识别 55 类 PII/PHI 标签的识别器。该识别器将模型预测映射为 Presidio 实体格式，可嵌入其分析流程支持后续匿名化，并支持本地加载模型与适配器推理。
OpenBMB· @OpenBMB · X·2026-10-30 21:30· 46 分钟前AI 评分42
AI 导读
面壁智能分享社区项目：基于 MiniCPM4-0.5B 的 0.5B 参数模型，通过 LoRA 适配器（在 NVIDIA Nemotron-PII 数据集上训练）加自定义 token 分类头，微调出 PII 识别器并接入 Microsoft Presidio。
正文 · 原文
姓名、邮箱、API 密钥——我们的社区大使 @povedaai 正用 MiniCPM4-0.5B 检测敏感文本。🔐
该项目将基于 MiniCPM 的 PII 识别器接入 Microsoft Presidio，帮助识别文本中的敏感信息，以供下游匿名化处理。
以下是其内部实现 👇
🧠 紧凑的基础模型：基于 MiniCPM4-0.5B 构建，将 0.5B 参数模型适配于专门的 token 分类任务。
🛠️ 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 token 分类头。
🔎 55 个 PII/PHI 标签：覆盖姓名、电子邮件地址、电话号码、金融标识符、API 密钥、密码和病历号等信息。
🔗 Presidio 集成：将模型预测映射为 Presidio 的实体格式，使识别器可在其分析流程中运行，并支持下游匿名化工作流。
💻 本地推理：识别器在本地加载模型和适配器，为开发者在自有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。该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，落地具体应用。🌍
正在做数据准备、文本匿名化或隐私工具？试试演示、探索适配器，并查看实现代码！🚀
🧩 模型：http://huggingface.co/luispoveda93/MiniCPM4-0.5B-PII-tagger-lora
📂 仓库：http://github.com/PovedaAqui/presidio/tree/feature/minicpm-pii-recognizer
🔗 Hugging Face： https://huggingface.co/openbmb/MiniCPM4-0.5B
#MiniCPM #OpenBMB #Privacy #OpenSource #PII
来源：OpenBMB · x.com
来源：RadarAI · aihot.news