/ Модель

Характеристики

Контекст
514 токенов
Параметры
79,7 млн
Лицензия
MIT
Архитектура
bert · dense
Базовая модель
hyebert
Библиотека
transformers
Опубликована
13 июл 2026

hyebert-armenian-participle-punct

Разметка токеновТекст → label

Дообученная HyeBERT для разметки токенов и восстановления пунктуации в причастных конструкциях восточноармянского языка.

12скачиваний за 30 дней0лайковвеса обновлены13 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

AlbertHakobyan/hyebert-armenian-participle-punct — модель на базе HyeBERT, дообученная для расстановки и удаления запятых в причастных конструкциях восточноармянского языка. Она решает задачу разметки токенов на четыре класса: без изменения, поставить запятую после токена, поставить «но» после токена или удалить запятую. Модель имеет архитектуру BERT для классификации токенов, содержит 79,7 млн параметров и принимает контекст до 514 токенов.

Модель предназначена для низкоресурсного синтаксического анализа и экспериментов по восстановлению пунктуации. В опубликованном тесте на Shtemaran 292 (учебные тексты) она достигла macro-F1 0,326; в описании исследования отмечено, что более глубокая 12-слойная mBERT показала лучший результат. Лицензия — MIT.

Сценарии применения

  • расстановка запятых в причастных конструкциях на восточноармянском
  • удаление лишних запятых в армянском тексте
  • эксперименты по восстановлению армянской пунктуации

Ограничения

На тесте Shtemaran 292 модель получила macro-F1 0,326; в исследовании более глубокая 12-слойная mBERT показала лучший результат. Назначение ограничено пунктуацией причастных конструкций восточноармянского языка.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

HyeBERT (fine-tuned) — Armenian Participle-Clause Punctuation

Fine-tuned Armenian-specific aking11/hyebert (6-layer, ~66M params) for punctuation of Eastern Armenian participle clauses, as 4-class token labeling. From the CODASSCA 2026 paper Sequence Labeling for Low-Resource Syntax.

Labels

0 O · 1 COMMA_AFTER · 2 BUTH_AFTER · 3 REMOVE_COMMA

Results (macro-F1)

Benchmarkmacro-F1
Shtemaran 292 (clean textbook)0.3260

Full fine-tuning (no frozen layers), sqrt inverse-frequency class weighting. In the paper, the deeper 12-layer mBERT outperformed this model, illustrating that model depth outweighed language-specificity for this task. Raw checkpoint and configs are in artifacts/; the notebook is in training/.

Usage

from transformers import AutoTokenizer, AutoModelForTokenClassification
tok   = AutoTokenizer.from_pretrained("AlbertHakobyan/hyebert-armenian-participle-punct")
model = AutoModelForTokenClassification.from_pretrained("AlbertHakobyan/hyebert-armenian-participle-punct")

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · token-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
BertForTokenClassification
Ревизия весов
f75592d

0 моделей