/ 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-zaebuc-nopnx

Разметка токеновТекст → label3 профессии

Дообученная AraBERT-модель для исправления непунктуационных грамматических ошибок в текстах на современном литературном арабском языке.

104скачиваний за 30 дней1лайквеса обновлены25 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

CAMeL-Lab/text-editing-qalb14-zaebuc-nopnx — модель SWEETNoPnx для исправления грамматических ошибок в текстах на современном литературном арабском языке (MSA). Она разработана CAMeL-Lab и представляет собой AraBERTv0.2-base, дообученную на наборах QALB-2014 и ZAEBUC. В метаданных указаны архитектура BERT, 162,4 млн параметров, контекст до 512 токенов и формат PyTorch.

Модель предназначена для исправления ошибок, не связанных с пунктуацией. Она решает задачу token-classification и используется в рамках системы SWEET вместе с моделью SWEETPnx для пунктуационных ошибок. Авторы применяли её для оценки на dev- и test-частях ZAEBUC в работе ACL 2025; для использования требуется код SWEET и соответствующие зависимости.

Лицензия модели — MIT. Модель настроена на арабский MSA и конкретно на исправление непунктуационных ошибок; сама по себе она не предназначена для исправления пунктуации.

Сценарии применения

  • исправление грамматических ошибок в арабском тексте
  • корректура арабских текстов без исправления пунктуации
  • постобработка арабских ученических текстов
  • проверка непунктуационных ошибок в MSA
  • использование в пайплайне SWEET для редактирования арабского текста

Ограничения

Исправляет непунктуационные ошибки и рассчитана на современный литературный арабский; для пунктуационных исправлений авторы рекомендуют использовать SWEETPnx совместно с этой моделью. Для запуска требуется код SWEET и его зависимости.

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

SWEETNoPnx ZAEBUC Model

Model Description

CAMeL-Lab/text-editing-zaebuc-pnx 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 and ZAEBUC datasets. 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-zaebuc-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 ZAEBUC dev and test sets in our paper. This model is intended to be used with SWEETPnx (CAMeL-Lab/text-editing-zaebuc-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-zaebuc-nopnx')
nopnx_model = BertForTokenClassification.from_pretrained('CAMeL-Lab/text-editing-zaebuc-nopnx')

pnx_tokenizer = BertTokenizer.from_pretrained('CAMeL-Lab/text-editing-zaebuc-pnx')
pnx_model = BertForTokenClassification.from_pretrained('CAMeL-Lab/text-editing-zaebuc-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
1da7198

0 моделей