/ 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-hu

Разметка токеновТекст → label3 профессии

Модель mmBERT для классификации токенов при исследовании галлюцинаций в ответах RAG на венгерском варианте данных.

432скачиваний 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-hu — модель на базе Transformers для классификации токенов. По идентификатору модель относится к семейству mmBERT и предназначена для сценариев, связанных с выявлением синтетических галлюцинаций в ответах на вопросы по Википедии с использованием RAGTruth; суффикс hu указывает на венгерский вариант набора или эксперимента.

Модель содержит около 140,5 млн параметров, использует архитектурное семейство ModernBERT и поддерживает контекст до 8192 токенов. Основной режим работы — token classification, поэтому модель предназначена для маркировки отдельных токенов или фрагментов последовательности, а не для генерации готовых ответов. Для работы используется библиотека Transformers и формат Safetensors.

README не содержит сведений о разработчике, лицензии, процедуре обучения, метриках или результатах оценки. Перед применением в продуктивных системах необходима проверка на целевом языке и сценарии RAG, а также уточнение интерпретации меток классификации.

Сценарии применения

  • выявление фрагментов с признаками галлюцинаций в RAG-ответах
  • разметка токенов в ответах на вопросы по Википедии
  • оценка достоверности сгенерированных ответов
  • исследование галлюцинаций в венгерскоязычных QA-сценариях

Ограничения

README не содержит сведений о лицензии, метках классификации, обучающих данных, метриках и результатах оценки. Прикладная точность и поддерживаемые языки требуют самостоятельной проверки.

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
c2749da

0 моделей