/ 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-it

Разметка токеновТекст → label3 профессии

Модель ModernBERT для token classification, связанная с оценкой галлюцинаций в италоязычных RAG-сценариях вопросов и ответов.

556скачиваний 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-it — модель на базе архитектуры ModernBERT, опубликованная в пространстве EuroEval. Она предназначена для задач token classification, то есть для присвоения меток отдельным токенам входного текста.

Модель содержит около 140,5 млн параметров и поддерживает контекст длиной до 8192 токенов. По названию репозитория она связана с оцениванием синтетических галлюцинаций в сценариях вопросов и ответов с использованием RAGTruth для итальянского набора данных, однако README не раскрывает подробности обучения, оценки, языковой поддержки и практического применения.

README не содержит сведений о разработчиках, лицензии, результатах тестирования, ограничениях и рекомендациях по использованию. Поэтому модель следует применять преимущественно для исследовательских и оценочных экспериментов, а результаты проверять на данных целевого сценария.

Сценарии применения

  • разметка токенов в текстах для оценки RAG-ответов
  • исследование синтетических галлюцинаций в вопросно-ответных системах
  • экспериментальная оценка качества италоязычных RAG-систем

Ограничения

README не содержит сведений о лицензии, обучающих данных, метриках, результатах оценки и известных рисках. Надёжность модели для конкретного языка и прикладного сценария необходимо проверять самостоятельно.

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
6901f08

0 моделей