Характеристики

Контекст: 1 024 токена
Параметры: 138 млн
Лицензия: Apache 2.0
Архитектура: deberta-v2 · dense
Библиотека: transformers
Опубликована: 28 мар 2026

Ссылки

Hugging Face

lv-deberta-base

AiLab-IMCS-UL

Заполнение пропусковТекст → текст3 профессии

Латышский энкодер DeBERTaV3 на 138,4 млн параметров для заполнения пропусков в тексте и языковых задач.

1 505скачиваний за 30 дней0лайковвеса обновлены25 июн 2026

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

AiLab-IMCS-UL/lv-deberta-base — латышский текстовый энкодер семейства DeBERTaV3, выпущенный авторами статьи «Pretraining and Benchmarking Modern Encoders for Latvian». Модель обучена с задачей replaced token detection (RTD); её архитектура относится к DeBERTa-v2, размер составляет 138,4 млн параметров, контекст — до 1024 токенов.

Модель предназначена для работы с текстом на латышском языке. По метаданным Hugging Face, основная задача — заполнение пропусков в тексте; энкодер также может служить основой для других языковых задач после соответствующей настройки. Распространяется под лицензией Apache-2.0.

Сценарии применения

предсказание пропущенных слов в латышском тексте
извлечение контекстных представлений латышских предложений
создание основы для настройки латышской NLP-модели

Ограничения

Карточка не приводит результатов бенчмарков или сравнений качества. Для задач, отличных от заполнения пропусков, может потребоваться дополнительная настройка модели.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Latvian DeBERTaV3 base model

Latvian DeBERTaV3 text encoder model trained with a replaced token detection (RTD) objective, released with the paper "Pretraining and Benchmarking Modern Encoders for Latvian".

For evaluation code and benchmark results, see: https://github.com/LUMII-AILab/latvian-encoders

Citation

@inproceedings{znotins-2026-modern_lv_encoders,
    title = "Pretraining and Benchmarking Modern Encoders for {L}atvian",
    author = "Znotins, Arturs",
    booktitle = "Proceedings of the Second Workshop on Language Models for Low-Resource Languages ({LoResLM})",
    year = "2026",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/2026.loreslm-1.40/",
    pages = "461--470"
}

Acknowledgements

This work was supported by the EU Recovery and Resilience Facility project Language Technology Initiative (2.3.1.1.i.0/1/22/I/CFLA/002).

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры: DebertaV2Model
Ревизия весов: f9e11c4