/ Модель

Характеристики

Контекст
8 192 токена
Параметры
135 млн
Лицензия
Apache 2.0
Архитектура
modernbert · dense
Базовая модель
ModernBERT-base
Опубликована
9 янв 2025

ModernBERT-base-Turkish-uncased-mlm

Заполнение пропусковТекст → текст3 профессии

Турецкая uncased-версия ModernBERT для предсказания пропущенных слов и понимания текста с длинным контекстом.

97скачиваний за 30 дней4лайкавеса обновлены9 янв 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

99eren99/ModernBERT-base-Turkish-uncased-mlm — дообученная турецкая версия ModernBERT-base для заполнения пропусков в тексте. Это encoder-only модель архитектуры ModernBERT с маскированным языковым моделированием; она содержит 134,9 млн параметров и поддерживает контекст длиной до 8192 токенов. Модель предназначена для предсказания скрытых слов и других задач понимания турецкого текста.

Модель не различает регистр. Перед токенизацией текст нужно вручную привести к нижнему регистру, заменяя латинскую I на турецкую ı; включать do_lower_case в токенизаторе не следует из-за известной проблемы токенизатора. Предсказания могут отражать смещения данных, поскольку модель обучалась преимущественно на собранных из интернета текстах. Распространяется по лицензии Apache-2.0.

Сценарии применения

  • предсказание скрытого слова в турецком предложении
  • подстановка пропущенных слов в турецких текстах
  • извлечение контекстных представлений турецкого текста
  • создание компонентов понимания турецкого языка

Ограничения

Для корректной работы нужно вручную приводить текст к нижнему регистру, заменяя I на ı; опция do_lower_case у токенизатора не подходит. Предсказания могут содержать смещения, унаследованные от веб-данных обучения.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Long Context Pretrained Text Encoder For Turkish Language

This is a Turkish Base uncased ModernBERT model. Since this model is uncased: it does not make a difference between turkish and Turkish.

⚠ Uncased use requires manual lowercase conversion

Don't use the do_lower_case = True flag with the tokenizer. Instead, convert your text to lower case as follows:

text.replace("I", "ı").lower()

This is due to a known issue with the tokenizer.

Be aware that this model may exhibit biased predictions as it was trained primarily on crawled data, which inherently can contain various biases.

Example Usage

from transformers import AutoTokenizer, AutoModelForMaskedLM

tokenizer = AutoTokenizer.from_pretrained(
    "99eren99/ModernBERT-base-Turkish-uncased-mlm", do_lower_case=False
)
#tokenizer.truncation_side = "right"

model = AutoModelForMaskedLM.from_pretrained(
    "99eren99/ModernBERT-base-Turkish-uncased-mlm", torch_dtype="auto"
)

model.eval()

# model.to("cuda")

Evaluations

-Mask Prediction Top 1 Accuracies (you can find eval scripts in "./assets" folder):

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры
ModernBertForMaskedLM
Ревизия весов
5ef4b4e

0 моделей