/ Модель

Характеристики

Контекст
512 токенов
Параметры
138 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Базовая модель
bert-base-uncased
Библиотека
transformers
Опубликована
11 мар 2025

KazBERT

Заполнение пропусковТекст → текст3 профессии

BERT-модель, дообученная для предсказания пропущенных слов и обработки текстов на казахском языке.

713скачиваний за 30 дней15лайковвеса обновлены25 июл 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

KazBERT — модель семейства BERT, разработанная Erlanulu для работы с казахским языком. Она дообучена методом masked language modeling на текстах казахской Википедии и Common Crawl и использует собственный WordPiece-токенизатор, обученный на казахских текстах. Модель предназначена прежде всего для предсказания пропущенных токенов в тексте; её можно применять как основу для задач понимания казахского языка.

Модель содержит 137,8 млн параметров, принимает текст с маскированными позициями и имеет контекст длиной до 512 токенов. В карточке также заявлена поддержка русского и английского языков, хотя обучение ориентировано на казахский. Доступна в формате Safetensors для библиотеки Transformers. Лицензия — Apache-2.0.

Сценарии применения

  • подстановка пропущенного слова в казахском предложении
  • оценка подходящего токена для замаскированной позиции
  • подготовка признаков для задач понимания казахского текста

Ограничения

Контекст ограничен 512 токенами. Карточка не описывает отдельные оценки качества или детальные ограничения модели.

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

KazBERT: A Custom BERT Model for the Kazakh Language 🇰🇿

  • License: apache-2.0
  • Languages: Kazakh (kk), Russian (ru), English (en)
  • Base Model: google-bert/bert-base-uncased
  • Pipeline Tag: fill-mask
  • Tags: pytorch, safetensors
  • Library: transformers
  • Datasets:
    • amandyk/kazakh_wiki_articles
    • Eraly-ml/kk-cc-data
  • Direct Use: ✅
  • Widget Example:
    "KazBERT қазақ тілін [MASK] түсінеді."

If you find KazBERT useful please press like button

Model Overview

KazBERT is a BERT-based model fine-tuned specifically for Kazakh using Masked Language Modeling (MLM). It is based on bert-base-uncased and uses a custom tokenizer trained on Kazakh text.

Model Details

  • Architecture: BERT
  • Tokenizer: WordPiece trained on Kazakh
  • Training Data: Kazakh Wikipedia & Common Crawl
  • Method: Masked Language Modeling (MLM)

Erlanulu, Y. G. (2025). KazBERT: A Custom BERT Model for the Kazakh Language. Zenodo.

📄 Read the paper


Files in Repository

  • config.json – Model config
  • model.safetensors – Model weights
  • tokenizer.json – Tokenizer data
  • tokenizer_config.json – Tokenizer config
  • special_tokens_map.json – Special tokens
  • vocab.txt – Vocabulary

Training Configuration

  • Epochs: 20
  • Batch size: 16
  • Learning rate: Default
  • Weight decay: 0.01
  • FP16 Training: Enabled

Usage

Install 🤗 Transformers and load the model:

from transformers import BertForMaskedLM, BertTokenizerFast

model_name = "Eraly-ml/KazBERT"
tokenizer = BertTokenizerFast.from_pretrained(model_name)
model = BertForMaskedLM.from_pretrained(model_name)

Example: Masked Token Prediction

from transformers import pipeline

pipe = pipeline("fill-mask", model="Eraly-ml/KazBERT")
output = pipe('KazBERT қазақ тілін [MASK] түсінеді.')

Output:

[
  {"score": 0.198, "token_str": "жетік", "sequence": "KazBERT қазақ тілін жетік түсінеді."},
  {"score": 0.038, "token_str": "де", "sequence": "KazBERT қазақ тілін де түсінеді."},
  {"score": 0.032, "token_str": "терең", "sequence": "KazBERT қазақ тілін терең түсінеді."},
  {"score": 0.029, "token_str": "ерте", "sequence": "KazBERT қазақ тілін ерте түсінеді."},
  {"score": 0.026, "token_str": "жете", "sequence": "KazBERT қазақ тілін жете түсінеді."}
]

Bias and Limitations

- Trained only on public Kazakh Wikipedia & Common Crawl
- Might miss informal speech or dialects
- Could underperform on deep-context or rare words
- May reflect cultural or social biases in data

License

Apache 2.0 License


Citation

@misc{erlanulu_2025_15565394,
  author       = {Erlanulu, Yeraly Gainulla},
  title        = {KazBERT: A Custom BERT Model for the Kazakh
                   Language
                  },
  month        = may,
  year         = 2025,
  publisher    = {Zenodo},
  doi          = {10.5281/zenodo.15565394},
  url          = {https://doi.org/10.5281/zenodo.15565394},
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры
BertForMaskedLM
Ревизия весов
77f7c3f

0 моделей