/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
bert-base-arabic-camelbert-da
Опубликована
17 сен 2026

camelbert-egyptian-arabic-nlu

Разметка токеновТекст → label

Модель на базе CAMeLBERT распознаёт намерения и извлекает значения слотов из команд на египетском арабском.

0скачиваний за 30 дней0лайковвеса обновлены22 сен 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

CAMeLBERT joint intent и slot tagger — модель на базе CAMeL-Lab/bert-base-arabic-camelbert-da, разработанная для понимания голосовых команд на египетском арабском. Это энкодер с 110 млн параметров и двумя выходными головами: классификатор определяет намерение по токену [CLS], а разметчик BIO выделяет значения слотов в тексте. Модель дообучена на Amazon MASSIVE для ar-SA и 6,5 тыс. сгенерированных и отфильтрованных перефразировок на египетском диалекте.

Подходит для классификации фиксированного набора из 60 намерений и извлечения значений из 55 типов слотов, например для команд установки будильника. Она возвращает найденные фрагменты исходного текста, поэтому не генерирует значения слотов. В описанном сравнении достигла exact match 0,625 на египетском тестовом наборе; указанная медианная задержка на M4 — 8 мс.

Модель ограничена египетским диалектом и фиксированной схемой: для новых намерений требуется дообучение. Другие арабские диалекты не тестировались, а качество на слотах с названиями песен и исполнителей было низким. Авторы также отмечают, что обучение продолжало улучшаться к четвёртой эпохе, поэтому чекпойнт может быть недообучен. Лицензия — Apache-2.0.

Сценарии применения

  • извлечение даты и времени из команд установки будильника
  • классификация голосовых команд для ассистента
  • извлечение названий песен и исполнителей из музыкальных запросов

Ограничения

Модель рассчитана на египетский диалект; другие диалекты не тестировались. Схема фиксирована, качество на слотах с названиями песен и исполнителей слабое, а чекпойнт может быть недообучен.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

CAMeLBERT joint intent + slot tagger for Egyptian Arabic

A 110M-parameter encoder with two heads: intent classification on [CLS], and BIO slot tagging over the tokens. Fine-tuned on Amazon MASSIVE ar-SA plus 6.5k LLM-generated, rule-filtered Egyptian rewrites.

Input : صحيني بكرة الساعة ستة الصبح
Tags  : O      B-date  O       B-time I-time
Output: {"intent": "alarm_set", "slots": {"date": "بكرة", "time": "ستة الصبح"}}

Why this over an LLM

On this task it is the best model in the comparison, and by far the cheapest:

ModelParamsEgyptian test (exact match)Latency p50 (M4)
This encoder110M0.6258 ms
Qwen3-1.7B + LoRA, fp16 (MLX)1.7B0.595881 ms
Qwen3-1.7B + LoRA, 4-bit (MLX)1.7B0.555345 ms
Qwen3-0.6B + LoRA596M0.510550 ms
Claude Sonnet 5, 5-shot—0.435~1 s (API)

It cannot invent a slot value — it points at spans in the input — which is exactly why it wins on a fixed schema. Adding the synthetic Egyptian data was worth +6.0 points here (95% CI [+1.5, +10.5], paired bootstrap), the only place in the project where that gain was significant.

Against the full-precision 1.7B (0.590) the difference is +3.5 points and not significant; against the 4-bit build — the one you would actually ship on a device — it is +7.0 points (95% CI [+1.5, +12.5]), at 43× lower latency and a quarter of the disk.

Usage

The two-head architecture is custom, so load it with the project's code:

git clone https://github.com/Alhasan-Abdellatif/Egyptian-Arabic-understanding-for-voice-assistants && cd Egyptian-Arabic-understanding-for-voice-assistants && make setup
hf download Alhasan/camelbert-egyptian-arabic-nlu --local-dir models/E-D-camelbert-da
from lahja.models.encoder import EncoderPredictor

predict = EncoderPredictor("models/E-D-camelbert-da")
print(predict(["الجو عامل ايه في اسكندرية النهارده"]))
# ['{"intent": "weather_query", "slots": {"place_name": "اسكندرية", "date": "النهارده"}}']

Files: model.pt (state dict), meta.json (base model, intent list, BIO tag list, max length), plus the tokenizer.

Training

4 epochs, AdamW lr 5e-5, batch 32, max length 64, linear warmup; best epoch kept by validation exact match. Validation was still improving at 4 epochs, so this checkpoint is likely undertrained — more epochs should help.

Limitations

  • Egyptian dialect only; other dialects untested.
  • Fixed schema: 60 intents, 55 slot types. New intents require retraining, where an LLM would only need a prompt change.
  • Weakest on music / play (0.25 / 0.40 exact match), where slots are song and artist names.

Full methodology and figures: GitHub repo

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов
f379f6d

0 моделей