/ Модель

Характеристики

Размер весов
17,2 ГБ
Лицензия
Gemma
Архитектура
gemma4 · dense
Базовая модель
gemma-4-e4b
Опубликована
2 сен 2026

arm-gemma-e4b

Генерация текстаТекст → текст3 профессии

Базовая модель COPA-AI на основе Gemma-4-E4B, продолженно предобученная для генерации и анализа армянского текста.

194скачиваний за 30 дней1лайквеса обновлены4 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

arm-gemma-e4b — языковая модель COPA-AI на основе Gemma-4-E4B, адаптированная к армянскому языку методом продолжающего предобучения на 10 млрд токенов. Это базовая модель без настройки на инструкции и без шаблона чата; она предназначена для продолжения армянского текста, оценки правдоподобия последовательностей и дальнейшего дообучения под конкретные задачи.

Модель плотной архитектуры Gemma 4, использует исходный токенизатор и поддерживает контекстное окно до 128 тыс. токенов. Обучение включало армянские веб-тексты и STEM-материалы, а также английские веб-данные и код. В оценках улучшились результаты на ряде армянских языковых и генеративных тестов относительно исходной Gemma-4-E4B; при этом наблюдалось ухудшение POS-разметки, а задачи, требующие следования инструкциям, подходят ей хуже из-за отсутствия инструкционной настройки. Длинный контекст свыше 4096 токенов специально не оценивался.

Лицензия — Gemma; модель наследует предвзятости и условия использования базовой Gemma-4. В README также отмечены преобладание новостных армянских текстов в данных и отсутствие настройки безопасности.

Сценарии применения

  • продолжение армянских текстов
  • оценка правдоподобия армянских языковых последовательностей
  • дообучение под армяноязычного ассистента
  • адаптация к армянским задачам понимания текста
  • генерация армянского текста в исследовательских и прикладных системах

Ограничения

Модель не настроена на инструкции и не имеет шаблона чата; задачи, требующие инструкционного формата, выполняет хуже. Длинный контекст свыше 4096 токенов не оценивался, наблюдалось ухудшение POS-разметки, а настройка безопасности отсутствует.

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

arm-gemma-e4b

arm-gemma-e4b is Gemma-4-E4B adapted to Armenian by continued pretraining. To our knowledge, it is the first open Armenian LLM released together with its complete training corpus and recipe — every training token is either public (ArmWeb, ArmSTEM, FineWeb-Edu, Stack-smol) or reproducible from the released pipeline.

This is a base model: no instruction tuning, no chat template. Use it for Armenian text continuation, likelihood scoring, or as a starting point for Armenian SFT.

Recipe

  • Base: Gemma-4-E4B, stock tokenizer (best Armenian fertility among CPT candidates: 4.15 tokens/word; vocabulary extension was sharply harmful in our ablation at this budget).
  • Continued pretraining: 10B tokens, sequence-packed at length 4096, LR 3×10⁻⁵ cosine. The architectural context window is unchanged from the base (128K, max_position_embeddings=131072); CPT only exercised positions up to 4096, and long-context behavior beyond that is inherited from the base and not specifically evaluated.
  • Mixture (epoch-capped): 69% ArmWeb, 4% ArmSTEM-HY, 2% ArmSTEM-EN, 20% English web replay (FineWeb-Edu), 5% code (Stack-smol) — every ArmWeb token seen ~2× and every ArmSTEM token 7–9× (Gemma-tokenizer accounting). The ArmSTEM stream is a 109,885-item subset of the corpus (~30%, sampled at random with balanced stratification across the math and science pools); its manifest ships with ArmSTEM (stats/cpt_training_subset_ids.txt, 104,630 items verbatim in the release, 5,255 superseded before release). A control run trained on the full 373K corpus (~1.3 epochs instead of 7–9) scores within noise of the released model (paper §5), so the repetition is costless.
  • Details: global batch 512 sequences (~2.1M tokens/step), 4,770 steps, 100 warmup steps, AdamW (β₂=0.95), weight decay 0.1, bf16, seed 42.

The mixture is the headline finding of the accompanying paper: news-only CPT catastrophically forgets (−21.2pp Belebele at LR 10⁻⁴); a gentler LR recovers two-thirds; 6% verified translated STEM data reverses forgetting entirely, ending +2.2pp above the unadapted base while keeping the fluency gains.

Results

Six-task Armenian likelihood suite (accuracy; harness: lm-eval):

TaskGemma-4-E4B (base)arm-gemma-e4b
Belebele-hye0.6190.716
INCLUDE-Armenian0.4160.456
m-MMLU-hy0.3430.337
ARC-hy0.2270.229
HellaSwag-hy0.2660.262
MultiBLiMP-hye0.9890.992
Mean0.4770.499

This is the highest six-task mean among all open Armenian models we evaluated — the best prior models score 0.471 (ArmenianGPT-1.0-3B) and 0.436 (HyGPT-10b), both below the unadapted base.

ArmBench-LLM generative tasks (base-model-appropriate metrics; full results in the paper appendix):

Taskbasearm-gemma-e4b
SynDARin (EM)0.040.92
Hartak (EM)0.020.82
DREAM (EM)0.480.84
Belebele gen. (EM)0.660.90
Scientific MCQA (EM)0.861.00*
MMLU-Pro-Hy0.1540.251
Topic (14-class)0.0040.482

*Audited: zero shared 8-grams between the benchmark items and the ArmSTEM training corpus (paper, Appendix).

Honest negatives: POS tagging regresses under CPT (0.18→0.01); exam mathematics is flat for the released model (1.75 points), and the full-corpus control run reaching 2.75 suggests data diversity rather than difficulty is the binding factor; instruction-dependent ArmBench tasks (judged generation, BLEU QA) are low for all base-style models including this one — they measure formatting, and we defer them to an instruction-tuned variant.

Training data & contamination

Training data was decontaminated by 13-gram overlap against ten Armenian evaluation sets and all ArmBench items, on both the English and Armenian side for translated data. The two remaining reported benchmarks, m-MMLU-hy and ARC-hy, were scanned post hoc: zero of 4.31M ArmWeb training documents and 4 of 372,907 ArmSTEM pairs share any 13-gram with their items. Existing public Armenian corpora overlap these benchmarks at 7.9–17.4% (see the ArmWeb card).

Limitations

Inherits Gemma-4's biases and terms of use. News-domain-concentrated Armenian exposure. Machine-translated STEM data verified for answer preservation and language identity, not stylistic fluency (though a two-annotator native-speaker audit rated 299 of 300 sampled problems valid, Cohen's κ = 1.0). No safety tuning.

Citation

@article{arakelyan2026armweb,
  title  = {From Zero to Hero: An Open LLM Ecosystem for Armenian},
  author = {Arakelyan, Erik and Avetisyan, Khatun and Davtyan, Meri and Grigoryan, Heghine and Khachatryan, Nane and Shahsuvaryan, Hayk and Sergoyan, Henrik and Martirosyan, Vahan},
  year   = {2026},
  journal = {arXiv preprint arXiv:2609.03350}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Gemma4ForConditionalGeneration
Ревизия весов
7f106e2

0 моделей