/ Модель

Характеристики

Контекст
514 токенов
Параметры
152 млн
Лицензия
CC BY 4.0
Архитектура
roberta · dense
Опубликована
26 июл 2026

maithili-roberta

Заполнение пропусковТекст → текст3 профессии

RoBERTa-модель для предсказания пропущенных слов и подготовки к задачам NLP на языке майтхили.

23скачиваний за 30 дней0лайковвеса обновлены26 июл 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

AiventraLab/maithili-roberta — модель языка майтхили на архитектуре RoBERTa-base с маскированным языковым моделированием. В README она названа первой RoBERTa, обученной специально для майтхили; метаданные указывают архитектуру RobertaForMaskedLM и около 151,6 млн параметров. Модель обучена с нуля на корпусе MaithiliCorpus, включающем 39,8 млн слов, а её токенизатор использует byte-level BPE со словарём из 50 000 токенов.

Основная задача — предсказывать пропущенные токены в тексте майтхили. Модель также предназначена для дообучения на классификацию текста, распознавание сущностей и извлечение признаков для последующих задач NLP. Контекст составляет 514 токенов. Репозиторий распространяется по лицензии CC BY 4.0.

Сценарии применения

  • предсказание пропущенных слов в тексте на майтхили
  • дообучение классификатора текстов на майтхили
  • распознавание именованных сущностей в текстах на майтхили
  • извлечение признаков для NLP-задач на майтхили

Ограничения

Модель ориентирована на майтхили и имеет короткий контекст в 514 токенов; задачи классификации и распознавания сущностей требуют отдельного дообучения.

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

MaithiliBERT: First RoBERTa Model for the Maithili Language

MaithiliBERT is a RoBERTa-base language model (124M parameters) pretrained from scratch on MaithiliCorpus — the largest open Maithili text corpus comprising 39.8M clean, LID-filtered, and deduplicated words. This is the first RoBERTa ever trained specifically for Maithili, a low-resource Indo-Aryan language spoken by approximately 50 million people primarily in Bihar, India and Nepal.

Model Architecture

PropertyValue
ArchitectureRoBERTa-base
Parameters124,493,648
VocabularyByte-level BPE, 50,000 tokens
Context Window512 tokens
Hidden Size768
Intermediate Size3072
Attention Heads12
Hidden Layers12
Training DataMaithiliCorpus gold_deduped (47,882 documents, 39.8M words)
Training Steps14,210 (10 epochs)
Effective Batch Size32
OptimizerAdamW (lr=5e-4)
PrecisionFP16
LicenseCC-BY-4.0

Tokenizer

The tokenizer is a byte-level BPE trained from scratch on MaithiliCorpus with a vocabulary of 50,000 tokens — 60% smaller than mBERT (119K) and 80% smaller than XLM-R/IndicBERTv2 (250K). This reduces embedding parameters from 192M to 38.4M, shrinking the embedding layer from 61% to 31% of total model parameters.

PropertyValue
AlgorithmByte-level BPE
Vocabulary Size50,000
Training DataMaithiliCorpus (39.8M words)
TrainingSentencePiece, --model_type=bpe
Special Tokens<s>, </s>, <unk>, <pad>, <mask>
UNK Rate (on Maithili)0.00%

Acknowledgments

The authors gratefully acknowledge AnK Komputing for providing the computational resources and infrastructure used to conduct the simulations/analyses presented in this work. We thank the team at AnK Komputing for their technical support and access to their high-performance computing services.

Intended Use

  • Masked language modeling (fill-mask)
  • Fine-tuning for text classification, NER, and other NLU tasks
  • Feature extraction for downstream Maithili NLP

Usage

from transformers import pipeline
fill = pipeline("fill-mask", model="AiventraLab/maithili-roberta")
results = fill("भगवान् <mask>क ध्यान")

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
RobertaForMaskedLM
Ревизия весов
43c2549

0 моделей