/ Модель

Характеристики

Архитектура
pico_decoder · dense
Библиотека
transformers
Опубликована
30 авг 2026

beetle-bilingual-l2-50-classroom-20-b4-fineweb-100m-heb-eng-1xa100

Генерация текстаТекст → текст3 профессии

Компактная модель генерации текста примерно на 100 млн параметров для двуязычных сценариев на иврите и английском языке.

171скачиваний за 30 дней0лайковвеса обновлены30 авг 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

Beetle-FineWeb-100M/beetle-bilingual-l2-50-classroom-20-b4-fineweb-100m-heb-eng-1xa100 — компактная языковая модель для генерации текста на иврите и английском языке. Модель опубликована в формате, совместимом с библиотекой Transformers, и использует безопасный формат весов safetensors; в карточке также упоминается pico_decoder.

Модель предназначена для автодополнения и генерации текстов, создания прототипов двуязычных NLP-приложений, а также экспериментов с небольшими языковыми моделями. В названии указано, что модель относится к семейству FineWeb-100M и содержит около 100 млн параметров.

README не содержит сведений о разработчике, лицензии, точной архитектуре, длине контекста, методике обучения, результатах оценки или известных ограничениях, поэтому применять модель в критически важных сценариях следует с осторожностью и предварительной проверкой качества.

Сценарии применения

  • автодополнение текстов на иврите и английском
  • генерация коротких двуязычных текстов
  • прототипирование приложений text generation
  • эксперименты с компактными языковыми моделями

Ограничения

В README отсутствуют результаты оценки, сведения о лицензии, длине контекста, точной архитектуре и систематически описанных ограничениях; качество и безопасность генерации необходимо проверять перед использованием.

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

Model Card for Model ID

Model Details

Model Description

This is the model card of a 🤗 transformers model that has been pushed on the Hub. This model card has been automatically generated.

  • Developed by: [More Information Needed]
  • Funded by [optional]: [More Information Needed]
  • Shared by [optional]: [More Information Needed]
  • Model type: [More Information Needed]
  • Language(s) (NLP): [More Information Needed]
  • License: [More Information Needed]
  • Finetuned from model [optional]: [More Information Needed]

Model Sources [optional]

  • Repository: [More Information Needed]
  • Paper [optional]: [More Information Needed]
  • Demo [optional]: [More Information Needed]

Uses

Direct Use

[More Information Needed]

Downstream Use [optional]

[More Information Needed]

Out-of-Scope Use

[More Information Needed]

Bias, Risks, and Limitations

[More Information Needed]

Recommendations

Users (both direct and downstream) should be made aware of the risks, biases and limitations of the model. More information needed for further recommendations.

How to Get Started with the Model

Use the code below to get started with the model.

[More Information Needed]

Training Details

Training Data

[More Information Needed]

Training Procedure

Preprocessing [optional]

[More Information Needed]

Training Hyperparameters

  • Training regime: [More Information Needed]

Speeds, Sizes, Times [optional]

[More Information Needed]

Evaluation

Testing Data, Factors & Metrics

Testing Data

[More Information Needed]

Factors

[More Information Needed]

Metrics

[More Information Needed]

Results

[More Information Needed]

Summary

Model Examination [optional]

[More Information Needed]

Environmental Impact

Carbon emissions can be estimated using the Machine Learning Impact calculator presented in Lacoste et al. (2019).

  • Hardware Type: [More Information Needed]
  • Hours used: [More Information Needed]
  • Cloud Provider: [More Information Needed]
  • Compute Region: [More Information Needed]
  • Carbon Emitted: [More Information Needed]

Technical Specifications [optional]

Model Architecture and Objective

[More Information Needed]

Compute Infrastructure

[More Information Needed]

Hardware

[More Information Needed]

Software

[More Information Needed]

Citation [optional]

BibTeX:

[More Information Needed]

APA:

[More Information Needed]

Glossary [optional]

[More Information Needed]

More Information [optional]

[More Information Needed]

Model Card Authors [optional]

[More Information Needed]

Model Card Contact

[More Information Needed]

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
PicoDecoderHF
Ревизия весов
a2e3174

0 моделей