Характеристики

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

Ссылки

Hugging Face arXiv 1910.09700

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

Разметка токеновТекст → label3 профессии

Специализированная ModernBERT-модель для токен-классификации и анализа галлюцинаций в синтетических испаноязычных вопросах и ответах с использованием RAG.

584скачиваний 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-es — модель семейства ModernBERT для классификации токенов. По названию модели она ориентирована на анализ синтетических вопросов и ответов по материалам Wikipedia и выявление галлюцинаций в сценариях с retrieval-augmented generation (RAG), связанных с набором RAGTruth для испанского языка. Разработчик обозначен как EuroEval.

Модель содержит около 140,5 млн параметров и поддерживает контекст длиной до 8192 токенов. Она предназначена для использования через библиотеку Transformers и формат safetensors. Основной результат работы — разметка отдельных токенов входного текста, что подходит для выделения фрагментов, связанных с ошибочными или неподтверждёнными утверждениями.

В карточке модели отсутствуют сведения о лицензии, точных языковых метках, результатах оценки, обучающих данных, конфигурации классификационных меток и рекомендациях по эксплуатации. Поэтому модель следует рассматривать как специализированный компонент для экспериментов и исследовательских RAG-пайплайнов, а её применимость к новым доменам необходимо проверять отдельно.

Сценарии применения

выделение фрагментов с признаками галлюцинаций в ответах RAG
анализ ответов на вопросы по Wikipedia
проверка достоверности отдельных утверждений в сгенерированном тексте
исследовательская оценка систем question answering
разметка токенов в испаноязычных QA-ответах

Ограничения

В README отсутствуют результаты оценки, описание меток, сведения об обучающих данных, лицензии и рекомендации по применению. Нельзя предполагать надёжную работу за пределами специализированных испаноязычных RAG-сценариев без дополнительной проверки.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель II.4Разработка и данныеОтладка, тестирование и качество ПОAI помогает находить дефекты, строить проверки и повышать надёжность программного продукта.25 задач13 978моделей

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: d13a923