/ Модель

Характеристики

Контекст
512 токенов
Параметры
138 млн
Лицензия
Apache 2.0
Архитектура
xlm-roberta · dense
Библиотека
transformers
Опубликована
4 июл 2026

XLM_Latin

Заполнение пропусковТекст → текст3 профессии

XLM_Latin — многоязычная XLM-RoBERTa, предобученная на транслитерированных текстах в единой латинской письменности для языковых исследований и дообучения классификаторов языка вражды.

29скачиваний за 30 дней0лайковвеса обновлены4 июл 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

XLM_Latin — многоязычная языковая модель на архитектуре XLM-RoBERTa, разработанная для изучения влияния унификации письменности на выявление языка вражды и перенос между языками. Модель дополнительно предобучена на 360 768 транслитерированных текстах, представленных единой латинской письменностью. Она содержит 137,8 млн параметров, использует masked language modeling, токенизатор SentencePiece Unigram со словарём из 32 000 токенов и обрабатывает контекст до 512 токенов.

Модель предназначена как основа для дообучения классификаторов языка вражды, кросс-языковых и zero-shot экспериментов, а также исследований транслитерации и многоязычных представлений. В репозитории указаны веса Safetensors; лицензия — Apache-2.0. Хотя README называет исследовательские сценарии основными, модель подходит для прикладного использования после адаптации под конкретную задачу.

Качество зависит от точности транслитерации, а унаследованные от обучающих данных смещения могут влиять на результаты. Данные могут содержать оскорбительные выражения, поэтому модель не следует использовать как единственную основу решений в высокорисковых сценариях.

Сценарии применения

  • предсказание пропущенных токенов в транслитерированных текстах
  • дообучение классификатора языка вражды для нескольких языков
  • эксперименты с переносом классификации между языками
  • zero-shot оценка языка вражды на транслитерированных данных
  • извлечение контекстных представлений из многоязычных текстов

Ограничения

Качество зависит от точности транслитерации, а модель может наследовать смещения обучающих данных. Она не должна быть единственным основанием для решений в высокорисковых сценариях.

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

XLM_Latin

Model Description

XLM_Latin is a transliteration-aware multilingual language model developed to investigate the impact of script unification on multilingual and cross-lingual hate speech detection. The model is based on the XLM-RoBERTa architecture and was further pretrained on multilingual transliterated corpora represented in a unified Latin script.

Intended Uses

The model is intended for:

  • Multilingual hate speech detection
  • Cross-lingual transfer learning
  • Zero-shot learning
  • Transliteration-based NLP research
  • Multilingual representation learning

Languages

The model was trained on transliterated text from:

  • Arabic
  • Persian
  • Hebrew
  • Bengali
  • Russian
  • Chinese
  • Korean
  • Spanish

Training Data

The model was pretrained on 360,768 transliterated text samples collected from multiple sources, including news articles, sentiment datasets, social media content, and public corpora.

Model Architecture

  • Base model: XLM-RoBERTa-base
  • Model type: Masked Language Model (MLM)
  • Tokenizer: SentencePiece (Unigram)
  • Vocabulary size: 32,000

Evaluation

The model was evaluated using:

  • Monolingual learning
  • Cross-lingual transfer learning
  • Zero-shot transfer learning
  • Multilingual learning

Limitations

  • Performance depends on transliteration quality.
  • The model may inherit biases from training data.
  • Intended primarily for research purposes.

Ethical Considerations

The model processes hate speech data that may contain offensive content. It should not be used as the sole decision-making system in high-risk applications.

How to Use the Model

Installation

Install the required libraries:

pip install transformers torch sentencepiece

Load the Model and Tokenizer

The pretrained XLM_Latin model can be loaded directly from the Hugging Face Hub:

from transformers import AutoTokenizer, AutoModelForMaskedLM

model_name = "GhadeerALbadani/XLM_Latin"

tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForMaskedLM.from_pretrained(model_name)

Replace YOUR_USERNAME with your Hugging Face username or organization name.


Example: Tokenization

The tokenizer can be used to convert transliterated multilingual text into model inputs:

text = "ana la uhibbu hadha almujtama"

inputs = tokenizer(
    text,
    return_tensors="pt",
    truncation=True,
    padding=True
)

print(inputs)

Example: Extracting Contextual Representations

The model can be used to generate contextual embeddings for transliterated multilingual text:

from transformers import AutoTokenizer, AutoModel

model_name = "GhadeerALbadani/XLM_Latin"

tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModel.from_pretrained(model_name)

text = "ana la uhibbu hadha almujtama"

inputs = tokenizer(
    text,
    return_tensors="pt"
)

outputs = model(**inputs)

embeddings = outputs.last_hidden_state

print(embeddings.shape)

Example: Masked Language Prediction

Since XLM_Latin is pretrained using the Masked Language Modeling (MLM) objective, it can predict masked tokens:

from transformers import pipeline

fill_mask = pipeline(
    "fill-mask",
    model="GhadeerALbadani/XLM_Latin",
    tokenizer="GhadeerALbadani/XLM_Latin"
)

result = fill_mask(
    "ana <mask> hadha almujtama"
)

print(result)

Fine-Tuning for Hate Speech Detection

XLM_Latin is intended to serve as a pretrained backbone model and can be further fine-tuned for multilingual hate speech detection tasks:

from transformers import AutoModelForSequenceClassification

model = AutoModelForSequenceClassification.from_pretrained(
    "YOUR_USERNAME/XLM_Latin",
    num_labels=2
)

The resulting fine-tuned model can then be used for monolingual, multilingual, cross-lingual, and zero-shot hate speech detection experiments.

Citation

@mastersthesis{XLM_Latin_2026,
  title={A Multilingual Model for Detecting Hate Speech on Unknown Language Script},
  author={Author Name},
  year={2026},
  school={University Name}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры
XLMRobertaForMaskedLM
Ревизия весов
e7525a4

0 моделей