/ Модель

Характеристики

Контекст
512 токенов
Параметры
1 млн
Лицензия
GPL 3.0
Архитектура
grc-macronizer-char · dense
Опубликована
24 июл 2026

oga-macronizer-char

Разметка токеновТекст → label3 профессии

Символьная модель размечает долготу α, ι и υ в древнегреческих текстах, помогая расставлять макроны.

14скачиваний за 30 дней0лайковвеса обновлены28 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

Ericu950/oga-macronizer-char — небольшая символьная модель для разметки долготы древнегреческих гласных. Она определяет фонемную долготу α, ι и υ в случаях, когда её нельзя установить по стандартному греческому письму, и служит корпусно-обобщающим дополнением к правиловому grc-macronizer. Модель разработана на основе небольшого трансформерного энкодера примерно с 1 млн параметров; вход обрабатывается на уровне символов с учётом букв и диакритики. Длина контекста — 512 токенов.

Обучающие метки получены из вывода правилового макронизатора, применённого к корпусу Opera Graeca Adnotata. Модель также обучалась работать с текстом без части диакритики. В README сообщается о проверке на 17 произведениях Norma Syllabarum Graecarum: точность с метрикой, где неразмеченная позиция считается краткой, составила 89,89%, при этом модель оставила без ответа 9 из 2 957 позиций. Модель предназначена для макронизации древнегреческих текстов; она распространяется по лицензии GPL-3.0.

Сценарии применения

  • разметка долготы α, ι и υ в древнегреческом тексте
  • автоматическая расстановка макронов в корпусах древнегреческого языка
  • подготовка древнегреческих текстов для метрического и филологического анализа

Ограничения

Обучающие метки унаследованы от правилового макронизатора, поэтому их качество и охват ограничивают обучающие данные. Заявленные оценки получены на конкретном наборе произведений Norma Syllabarum Graecarum и могут не переноситься на все жанры и корпуса.

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

grc-macronizer-char: a small char-level model for Ancient Greek vowel-length annotation

This model predicts the phonemic length (long/short/undetermined) of the three Ancient Greek "dichrona" -- alpha (α), iota (ι), and upsilon (υ) -- whose length is not disambiguated by the standard Greek script. It was trained on Ancient Greek text automatically macronized by the rule-based grc-macronizer, applied to the Opera Graeca Adnotata corpus (Celano 2024), and is intended as a complementary, corpus-general alternative to that rule-based system.

Architecture

A small transformer encoder (~0.9M parameters) operating over three character-level "planes" per input position:

  • plane 1 (letter): which of the 24 Greek letters (final/medial sigma folded together), or space, or "other" (punctuation/digits/foreign chars)
  • plane 2 (diacritic): the combination of accent/breathing/diaeresis marks on that letter, if any (a small vocabulary fit from the training data)
  • target (macron): none / short / long -- predicted only at positions that are genuine ambiguous dichrona (diphthong members and circumflexed vowels are excluded, matching the rule-based system's own definition)

During training, the diacritic plane is randomly masked (accents stripped) for a fraction of characters, so the model also learns to macronize unaccented input.

Training data

Training labels come directly from the rule-based macronizer's own output: wherever it marks a dichronon (it does not guess -- see the macronizer paper), that becomes a training label; dichrona it left unmarked are excluded from the loss entirely (never treated as a negative "short" or "long" example), since the rule-based system is known to be incomplete rather than wrong where it commits.

Evaluation

Evaluated on the full Norma Syllabarum Graecarum benchmark, spanning all 17 manually-annotated works (prose and verse; 2,957 gold-annotated positions). Scored with the identical harness (macron_model/eval_norma.py) against the bundled rule-based macronizer, counting a left-unmarked dichronon as an implicit "short" guess for both systems (default_short_accuracy below) so abstention isn't unfairly penalized either way:

systemaccuracy (unmarked defaults to short)raw accuracyunmarked / total
rule-based grc-macronizer86.84%53.77%1,300 / 2,957
this model89.89%89.79%9 / 2,957

The model outperforms the rule-based system on the fair metric while resolving essentially every position (99.7% coverage vs. 56%), since it learned to generalize past the cases the rule-based system couldn't commit to. The margin is statistically significant (McNemar's test, continuity-corrected, χ²=10.04, p=0.0015).

Two additional training runs with different random seeds confirm this is not a lucky draw: defaults-to-short accuracy across three seeds averages 89.36±0.78% (88.47% / 89.72% / 89.89%, this checkpoint), with every seed beating the rule-based teacher.

Usage

import sys
sys.path.insert(0, "path/to/grc-macronizer/macron_model")  # for predict.py
from predict import MacronPredictor

predictor = MacronPredictor("path/to/downloaded/checkpoint")
macronized = predictor.macronize("ανθρωπος ανηρ")
# -> "α^νθρωπος α_νηρ"

MacronPredictor expects the checkpoint directory (containing config.json/model.safetensors) plus a sibling or parent diacritic_vocab.json (see predict.py for the exact lookup logic). The predict.py/tokenizer.py source lives in grc-macronizer/macron_model.

Citation

If you use this model, please cite:

Thörn Cleland, Albin and Eric Cullhed (forthcoming). Automatic Annotation of Ancient Greek Vowel Length.

License

GNU GPL v3, matching grc-macronizer (the training-data generator this model's code ships alongside).

Как запустить

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

GPU в ailist

Универсальный рантайм · token-classification

Нельзя запустить

Архитектура grc-macronizer-char неизвестна transformers в образе рантайма.

Класс архитектуры
MacronizerModel
Ревизия весов
fb071da

0 моделей