/ Модель

Характеристики

Контекст
512 токенов
Параметры
162 млн
Лицензия
MIT
Архитектура
bert · dense
Базовая модель
bert-base-arabertv02
Опубликована
4 июн 2025

text-editing-qalb14-nopnx

Разметка токеновТекст → label4 профессии

Дообученная на QALB-2014 арабская BERT-модель для исправления грамматических ошибок без коррекции пунктуации.

143скачиваний за 30 дней1лайквеса обновлены4 июн 2025

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

CAMeL-Lab/text-editing-qalb14-nopnx — модель редактирования текста для исправления грамматических ошибок в современном литературном арабском языке (MSA). Она основана на AraBERTv02 и дообучена на наборе QALB-2014; в статье ACL 2025 авторы называют её SWEET (Subword Edit Error Tagger). Модель предназначена для исправления ошибок, не связанных с пунктуацией, и используется вместе с SWEETPnx для исправления пунктуационных ошибок.

Архитектура — BERT для классификации токенов; модель содержит 162,4 млн параметров и обрабатывает контекст длиной до 512 токенов. Карточка описывает оценивание на разделах QALB-2014 dev и test. Для использования требуется репозиторий SWEET и соблюдение его требований к установке. Лицензия модели — MIT.

Сценарии применения

  • исправление грамматических ошибок в текстах на современном литературном арабском
  • корректура арабских текстов без изменения пунктуации
  • подготовка арабского текста к публикации
  • оценка токенов арабского текста для обнаружения ошибок

Ограничения

Модель исправляет ошибки, не связанные с пунктуацией; для коррекции пунктуации предназначена совместная модель SWEETPnx. Для запуска требуется репозиторий SWEET и выполнение его требований к установке.

Для каких профессий подходит4

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

SWEETNoPnx QALB-2014 Model

Model Description

CAMeL-Lab/text-editing-qalb14-nopnx is a text editing model tailored for grammatical error correction (GEC) in Modern Standard Arabic (MSA). The model is based on AraBERTv02, which we fine-tuned using the QALB-2014 dataset. This model was introduced in our ACL 2025 paper, Enhancing Text Editing for Grammatical Error Correction: Arabic as a Case Study, where we refer to it as SWEET (Subword Edit Error Tagger).

The model was fine-tuned to fix non-punctuation (i.e., NoPnx) errors. Details about the training procedure, data preprocessing, and hyperparameters are available in the paper. The fine-tuning code and associated resources are publicly available on our GitHub repository: https://github.com/CAMeL-Lab/text-editing.

Intended uses

To use the CAMeL-Lab/text-editing-qalb14-nopnx model, you must clone our text editing GitHub repository and follow the installation requirements. We used this SWEETNoPnx model to report results on the QALB-2014 dev and test sets in our paper. This model is intended to be used with SWEETPnx (CAMeL-Lab/text-editing-qalb14-pnx) model.

How to use

Clone our text editing GitHub repository and follow the installation requirements

from transformers import BertTokenizer, BertForTokenClassification
import torch
import torch.nn.functional as F
from gec.tag import rewrite


nopnx_tokenizer = BertTokenizer.from_pretrained('CAMeL-Lab/text-editing-qalb14-nopnx')
nopnx_model = BertForTokenClassification.from_pretrained('CAMeL-Lab/text-editing-qalb14-nopnx')

pnx_tokenizer = BertTokenizer.from_pretrained('CAMeL-Lab/text-editing-qalb14-pnx')
pnx_model = BertForTokenClassification.from_pretrained('CAMeL-Lab/text-editing-qalb14-pnx')


def predict(model, tokenizer, text, decode_iter=1):
    for _ in range(decode_iter):
        tokenized_text = tokenizer(text, return_tensors="pt", is_split_into_words=True)
        with torch.no_grad():
            logits = model(**tokenized_text).logits
            preds = F.softmax(logits.squeeze(), dim=-1)
            preds = torch.argmax(preds, dim=-1).cpu().numpy()
            edits = [model.config.id2label[p] for p in preds[1:-1]]
            
            assert len(edits) == len(tokenized_text['input_ids'][0][1:-1])
        subwords = tokenizer.convert_ids_to_tokens(tokenized_text['input_ids'][0][1:-1])
        text = rewrite(subwords=[subwords], edits=[edits])[0][0]
    return text


text = 'يجب الإهتمام ب الصحه و لا سيما ف ي الصحه النفسيه ياشباب المستقبل،،'.split()

output_sent = predict(nopnx_model, nopnx_tokenizer, text, decode_iter=2)
output_sent = predict(pnx_model, pnx_tokenizer, output_sent.split(), decode_iter=1)
print(output_sent) # يجب الاهتمام بالصحة ولا سيما في الصحة النفسية يا شباب المستقبل .

Citation

@inter{alhafni-habash-2025-enhancing,
      title={Enhancing Text Editing for Grammatical Error Correction: Arabic as a Case Study}, 
      author={Bashar Alhafni and Nizar Habash},
      year={2025},
      eprint={2503.00985},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2503.00985}, 
}

Как запустить

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

GPU в ailist

Универсальный рантайм · token-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
BertForTokenClassificationSingleLabel
Ревизия весов
21286e5

0 моделей