/ Модель

Характеристики

Контекст
8 192 токена
Параметры
140 млн
Архитектура
modernbert · dense
Библиотека
transformers
Опубликована
22 авг 2026

mmBERT-small-multi-wiki-qa-synthetic-hallucinations-with-ragtruth-bg

Разметка токеновТекст → label3 профессии

Модель ModernBERT для token classification, предназначенная для анализа галлюцинаций и достоверности текстов в вопросно-ответных и RAG-сценариях, преимущественно для болгарского языка.

440скачиваний за 30 дней0лайковвеса обновлены22 авг 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

EuroEval/mmBERT-small-multi-wiki-qa-synthetic-hallucinations-with-ragtruth-bg — модель на базе архитектуры ModernBERT для token classification, опубликованная в экосистеме EuroEval. Она предназначена для разметки отдельных токенов в текстах, в частности для анализа синтетических галлюцинаций в материалах, связанных с вопросно-ответными системами, Wikipedia и RAGTruth; суффикс bg указывает на болгарскую языковую версию или набор данных.

Модель содержит около 140,5 млн параметров, работает через библиотеку Transformers и поддерживает контекст до 8192 токенов. По названию и метаданным её можно рассматривать как специализированный компонент для обнаружения или классификации фрагментов текста, связанных с галлюцинациями и достоверностью ответов в RAG-сценариях. README не содержит сведений о разработчиках, лицензии, точных метках классов, обучающих данных, результатах оценки и готовом способе применения, поэтому эти характеристики нельзя подтвердить.

Сценарии применения

  • обнаружение галлюцинаций в ответах RAG-систем
  • оценка достоверности ответов на вопросы по Wikipedia
  • разметка токенов в синтетических вопросно-ответных данных
  • анализ фрагментов ответа относительно найденного контекста
  • исследование качества многоязычных QA-моделей

Ограничения

README не содержит результатов оценки, описания классов, обучающих данных, рекомендаций по применению или сведений о лицензии. Надёжность модели для конкретных доменов и языков следует проверять на собственных данных.

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

Model Card for Model ID

Model Details

Model Description

This is the model card of a 🤗 transformers model that has been pushed on the Hub. This model card has been automatically generated.

  • Developed by: [More Information Needed]
  • Funded by [optional]: [More Information Needed]
  • Shared by [optional]: [More Information Needed]
  • Model type: [More Information Needed]
  • Language(s) (NLP): [More Information Needed]
  • License: [More Information Needed]
  • Finetuned from model [optional]: [More Information Needed]

Model Sources [optional]

  • Repository: [More Information Needed]
  • Paper [optional]: [More Information Needed]
  • Demo [optional]: [More Information Needed]

Uses

Direct Use

[More Information Needed]

Downstream Use [optional]

[More Information Needed]

Out-of-Scope Use

[More Information Needed]

Bias, Risks, and Limitations

[More Information Needed]

Recommendations

Users (both direct and downstream) should be made aware of the risks, biases and limitations of the model. More information needed for further recommendations.

How to Get Started with the Model

Use the code below to get started with the model.

[More Information Needed]

Training Details

Training Data

[More Information Needed]

Training Procedure

Preprocessing [optional]

[More Information Needed]

Training Hyperparameters

  • Training regime: [More Information Needed]

Speeds, Sizes, Times [optional]

[More Information Needed]

Evaluation

Testing Data, Factors & Metrics

Testing Data

[More Information Needed]

Factors

[More Information Needed]

Metrics

[More Information Needed]

Results

[More Information Needed]

Summary

Model Examination [optional]

[More Information Needed]

Environmental Impact

Carbon emissions can be estimated using the Machine Learning Impact calculator presented in Lacoste et al. (2019).

  • Hardware Type: [More Information Needed]
  • Hours used: [More Information Needed]
  • Cloud Provider: [More Information Needed]
  • Compute Region: [More Information Needed]
  • Carbon Emitted: [More Information Needed]

Technical Specifications [optional]

Model Architecture and Objective

[More Information Needed]

Compute Infrastructure

[More Information Needed]

Hardware

[More Information Needed]

Software

[More Information Needed]

Citation [optional]

BibTeX:

[More Information Needed]

APA:

[More Information Needed]

Glossary [optional]

[More Information Needed]

More Information [optional]

[More Information Needed]

Model Card Authors [optional]

[More Information Needed]

Model Card Contact

[More Information Needed]

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · token-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
ModernBertForTokenClassification
Ревизия весов
1ef2158

0 моделей