/ Модель

Характеристики

Контекст
8 192 токена
Параметры
212 млн
Лицензия
Apache 2.0
Архитектура
eurobert · dense
Библиотека
transformers
Опубликована
21 фев 2025

EuroBERT-210m

Заполнение пропусковТекст → текст15 профессий

Многоязычный энкодер на 211,7 млн параметров для заполнения пропусков, поиска и классификации текста, включая код и математические данные.

21 137скачиваний за 30 дней92лайкавеса обновлены18 окт 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

EuroBERT-210m — многоязычная плотная модель-энкодер семейства EuroBERT, разработанная для работы с текстом, кодом и математическими задачами. В этой версии около 211,7 млн параметров; максимальная длина входной последовательности — 8192 токена. Модель доступна для использования через Transformers и опубликована под лицензией Apache-2.0.

Модель предназначена для заполнения пропусков в тексте, поиска и извлечения информации, классификации и регрессии. По данным карточки, семейство EuroBERT оценивается на задачах retrieval, классификации последовательностей, оценки качества и задачах, связанных с кодом и математикой; каталог также указывает поддержку разметки токенов и ответов на вопросы. Поддерживаются английский, французский, немецкий, испанский, китайский, итальянский, русский, польский, португальский, японский, вьетнамский, нидерландский, арабский, турецкий и хинди.

Сильная сторона модели — многоязычное представление текста и широкий набор сценариев для энкодера при умеренном размере. Это не генеративная чат-модель: её основная задача в метаданных — fill-mask, а для прикладных сценариев классификации, поиска и других задач может потребоваться соответствующая голова или дообучение. README сообщает о сильных результатах семейства на сравнительных оценках, но не приводит здесь подробных метрик для версии 210m.

Сценарии применения

  • восстановление пропущенных слов в тексте
  • поиск релевантных документов на нескольких языках
  • классификация отзывов и текстовых последовательностей
  • разметка сущностей и других типов токенов
  • ответы на вопросы по текстовому контексту
  • оценка качества перевода или краткого пересказа

Ограничения

Это энкодер, предназначенный прежде всего для понимания текста, а не для свободной генерации ответов или диалога. Для задач классификации, разметки токенов и поиска может потребоваться дообучение или подходящая задача-специфичная голова.

Для каких профессий подходит15

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

EuroBERT-210m

Table of Contents

  1. Overview
  2. Usage
  3. Evaluation
  4. License
  5. Citation

Overview

EuroBERT is a family of multilingual encoder models designed for a variety of tasks such as retrieval, classification and regression supporting 15 languages, mathematics and code, supporting sequences of up to 8,192 tokens. EuroBERT models exhibit the strongest multilingual performance across domains and tasks compared to similarly sized systems.

It is available in 3 sizes:

For more information about EuroBERT, please check our blog post and the arXiv preprint.

Usage

from transformers import AutoTokenizer, AutoModelForMaskedLM

model_id = "EuroBERT/EuroBERT-210m"

tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForMaskedLM.from_pretrained(model_id, trust_remote_code=True)

text = "The capital of France is <|mask|>."
inputs = tokenizer(text, return_tensors="pt")
outputs = model(**inputs)

# To get predictions for the mask:
masked_index = inputs["input_ids"][0].tolist().index(tokenizer.mask_token_id)
predicted_token_id = outputs.logits[0, masked_index].argmax(axis=-1)
predicted_token = tokenizer.decode(predicted_token_id)
print("Predicted token:", predicted_token)
# Predicted token:  Paris

💻 You can use these models directly with the transformers library starting from v4.48.0:

pip install -U transformers>=4.48.0

🏎️ If your GPU supports it, we recommend using EuroBERT with Flash Attention 2 to achieve the highest efficiency. To do so, install Flash Attention 2 as follows, then use the model as normal:

pip install flash-attn

Evaluation

We evaluate EuroBERT on a suite of tasks to cover various real-world use cases for multilingual encoders, including retrieval performance, classification, sequence regression, quality estimation, summary evaluation, code-related tasks, and mathematical tasks.

Key highlights: The EuroBERT family exhibits strong multilingual performance across domains and tasks.

  • EuroBERT-2.1B, our largest model, achieves the highest performance among all evaluated systems. It outperforms the largest system, XLM-RoBERTa-XL.

  • EuroBERT-610m is competitive with XLM-RoBERTa-XL, a model 5 times its size, on most multilingual tasks and surpasses it in code and mathematics tasks.

  • The smaller EuroBERT-210m generally outperforms all similarly sized systems.

Suggested Fine-Tuning Hyperparameters

If you plan to fine-tune this model on some downstream tasks, you can follow the hyperparameters we found in our paper.

Base Hyperparameters (unchanged across tasks)

  • Warmup Ratio: 0.1
  • Learning Rate Scheduler: Linear
  • Adam Beta 1: 0.9
  • Adam Beta 2: 0.95
  • Adam Epsilon: 1e-5
  • Weight Decay: 0.1

Task-Specific Learning Rates

Retrieval:
DatasetEuroBERT-210mEuroBERT-610mEuroBERT-2.1B
MIRACL4.6e-053.6e-052.8e-05
MLDR2.8e-052.2e-054.6e-05
CC-News4.6e-054.6e-053.6e-05
Wikipedia2.8e-053.6e-052.8e-05
CodeSearchNet4.6e-052.8e-053.6e-05
DupStackMath4.6e-052.8e-053.6e-05
MathFormula1.7e-053.6e-053.6e-05
Sequence Classification:
DatasetEuroBERT-210mEuroBERT-610mEuroBERT-2.1B
XNLI3.6e-053.6e-052.8e-05
PAWS-X3.6e-054.6e-053.6e-05
AmazonReviews3.6e-052.8e-053.6e-05
MassiveIntent6.0e-054.6e-052.8e-05
CodeComplexity3.6e-053.6e-051.0e-05
CodeDefect3.6e-052.8e-051.3e-05
MathShepherd7.7e-052.8e-051.7e-05
Sequence Regression:
DatasetEuroBERT-210mEuroBERT-610mEuroBERT-2.1B
WMT (Ref-based)2.8e-052.8e-051.3e-05
WMT (Ref-free)2.8e-052.8e-051.3e-05
SeaHorse3.6e-053.6e-052.8e-05

License

We release the EuroBERT model architectures, model weights, and training codebase under the Apache 2.0 license.

Citation

If you use EuroBERT in your work, please cite:

@misc{boizard2025eurobertscalingmultilingualencoders,
      title={EuroBERT: Scaling Multilingual Encoders for European Languages}, 
      author={Nicolas Boizard and Hippolyte Gisserot-Boukhlef and Duarte M. Alves and André Martins and Ayoub Hammal and Caio Corro and Céline Hudelot and Emmanuel Malherbe and Etienne Malaboeuf and Fanny Jourdan and Gabriel Hautreux and João Alves and Kevin El-Haddad and Manuel Faysse and Maxime Peyrard and Nuno M. Guerreiro and Patrick Fernandes and Ricardo Rei and Pierre Colombo},
      year={2025},
      eprint={2503.05500},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2503.05500}, 
}

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
EuroBertForMaskedLM
Ревизия весов
39b51e1

0 моделей