/ 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-is

Разметка токеновТекст → label3 профессии

EuroEval/mmBERT-small-multi-wiki-qa-synthetic-hallucinations-with-ragtruth-is — небольшая мультиязычная модель для классификации токенов, опубликованная организацией EuroEval; исходная версия связана с Alexandra Institute.

527скачиваний 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

Она предназначена для обнаружения галлюцинаций в ответах на вопросы в сценариях retrieval-augmented generation (RAG), включая выделение фрагментов ответа, которые могут быть не подтверждены контекстом. Суффикс is указывает на языковую версию для исландского языка.

Модель основана на архитектуре mmBERT-small и использует задачу token classification; на Hugging Face указаны семейство ModernBERT, примерно 0,1 млрд параметров и формат весов Safetensors с типом F32. В качестве обучающих источников заявлены синтетические данные MultiWikiQA и данные RAGTruth, предназначенные для разметки галлюцинаций на уровне токенов. Модель рассчитана на анализ текста и не является генеративной или мультимодальной.

Сильная сторона — компактный специализированный детектор, способный указывать проблемные токены или непрерывные фрагменты, что удобно для анализа фактической опоры ответов RAG. Ограничения связаны с узкой задачей и зависимостью от распределения обучающих данных; подробные сведения о качестве, контекстном окне, рисках, разработчиках, точной архитектурной конфигурации и лицензии в доступной карточке модели не указаны. Условия использования и лицензия не установлены.

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
67b9530

0 моделей