Характеристики

Контекст: 512 токенов
Параметры: 205 млн
Архитектура: bert · dense
Базовая модель: bert-base-multilingual-cased
Опубликована: 4 мая 2026

Ссылки

Hugging Face

bert-base-multilingual-cased-xnli-nli

AyoubChLin

Классификация текстаТекст → label6 профессий

Мультиязычная модель mBERT для определения логического отношения между посылкой и гипотезой и zero-shot-классификации.

92скачиваний за 30 дней0лайковвеса обновлены4 мая 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

AyoubChLin/bert-base-multilingual-cased-xnli-nli — мультиязычная модель на архитектуре BERT, дообученная на датасете facebook/xnli для трёхклассового вывода по текстовой паре. Она определяет, следует ли гипотеза из посылки, нейтральна ли она относительно посылки или противоречит ей. Модель содержит 205,1 млн параметров, принимает пары текстов и имеет контекст до 512 токенов; более длинные входы обрезаются.

Модель подходит для классификации текстовых пар и zero-shot-классификации, когда метки можно сформулировать как гипотезы. Карточка указывает на мультиязычную поддержку, но качество следует проверять на целевом языке и в целевой предметной области. Результаты NLI не следует использовать как самостоятельное доказательство фактичности утверждений. Лицензия в предоставленных данных не указана.

Сценарии применения

Проверка, следует ли гипотеза из текста-посылки
Определение противоречий между двумя высказываниями
Выделение нейтральных пар текстов
Классификация текста по пользовательским меткам через гипотезы
Мультиязычная классификация отношений между предложениями

Ограничения

Качество нужно проверять для целевого языка и предметной области. Входы длиннее 512 токенов обрезаются, а предсказания NLI не подходят как самостоятельная проверка фактичности.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель 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 II.1Разработка и данныеАнализ требований и архитектура ПОAI помогает переводить потребности бизнеса в непротиворечивые требования и технические решения.20 задач18 191модель

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

mBERT Fine-tuned on XNLI for Natural Language Inference

This model is a fine-tuned version of bert-base-multilingual-cased for 3-way Natural Language Inference using the facebook/xnli dataset.

Labels

ID	Label
0	entailment
1	neutral
2	contradiction

Training Configuration

Base model: bert-base-multilingual-cased
Architecture: BERT / mBERT sequence classification
Dataset: facebook/xnli
Dataset config: all_languages
Training language: en
Max sequence length: 512
Epochs: 3.0
Learning rate: 2e-05
Train batch size: 32
Eval batch size: 64
Weight decay: 0.01

Intended Use

This model predicts whether a hypothesis is entailed by, neutral with respect to, or contradicted by a premise.

Limitations

Performance should be validated on your target language and domain.
Inputs longer than 512 tokens are truncated.
The model predicts NLI labels and should not be used as a standalone factuality verifier.

Как запустить

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

GPU в ailist

Универсальный рантайм · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: BertForSequenceClassification
Ревизия весов: d5a6aa3