/ Модель

Характеристики

Контекст
512 токенов
Параметры
124 млн
Лицензия
Apache 2.0
Опубликована
22 фев 2025

hplt_bert_base_2_0_lvs-Latn

Заполнение пропусковТекст → текст4 профессии

Монолингвальный LTG-BERT для латышского языка восстанавливает пропущенные токены и предоставляет представления для задач анализа текста.

1 596скачиваний за 30 дней0лайковвеса обновлены4 авг 2025

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

HPLT/hplt_bert_base_2_0_lvs-Latn — монолингвальная модель-кодировщик проекта HPLT, обученная для латышского языка на данных HPLT v2.0. Она основана на варианте BERT под названием LTG-BERT и предназначена прежде всего для восстановления скрытых токенов в тексте; представления модели также подходят для задач классификации текста и токенов, ответов на вопросы и выбора варианта ответа.

Архитектура соответствует настройкам BERT-base: 12 слоёв, 12 голов внимания, размер скрытого состояния 768 и словарь из 32 768 токенов. Модель содержит 124,3 млн параметров, принимает текст с контекстом до 512 токенов и использует отдельный токенизатор, обученный на латышских данных HPLT. Для загрузки через Transformers требуется пользовательский код модели и параметр trust_remote_code=True. Выпущена по лицензии Apache-2.0.

Сценарии применения

  • восстановление пропущенных слов в латышском тексте
  • классификация латышских текстов
  • разметка сущностей и других токенов в латышском тексте
  • ответы на вопросы по латышскому тексту
  • выбор правильного варианта ответа на латышском

Ограничения

Контекст ограничен 512 токенами. Для загрузки в Transformers требуется пользовательский код модели с trust_remote_code=True.

Для каких профессий подходит4

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

HPLT v2.0 BERT for Latvian

This is one of the encoder-only monolingual language models trained as a second release by the HPLT project. It is a so called masked language model. In particular, we used the modification of the classic BERT model named LTG-BERT.

We present monolingual LTG-BERT models for more than 50 languages out of 191 total in the HPLT v2.0 dataset.

All the HPLT encoder-only models use the same hyper-parameters, roughly following the BERT-base setup:

  • hidden size: 768
  • attention heads: 12
  • layers: 12
  • vocabulary size: 32768

Every model uses its own tokenizer trained on language-specific HPLT data.

The training code.

The training statistics of all runs

Example usage (tested with transformers==4.46.1 and tokenizers==0.20.1)

This model currently needs a custom wrapper from modeling_ltgbert.py, you should therefore load the model with trust_remote_code=True.

import torch
from transformers import AutoTokenizer, AutoModelForMaskedLM

tokenizer = AutoTokenizer.from_pretrained("HPLT/hplt_bert_base_2_0_lvs-Latn")
model = AutoModelForMaskedLM.from_pretrained("HPLT/hplt_bert_base_2_0_lvs-Latn", trust_remote_code=True)

mask_id = tokenizer.convert_tokens_to_ids("[MASK]")
input_text = tokenizer("It's a beautiful[MASK].", return_tensors="pt")
output_p = model(**input_text)
output_text = torch.where(input_text.input_ids == mask_id, output_p.logits.argmax(-1), input_text.input_ids)

# should output: '[CLS] It's a beautiful place.[SEP]'
print(tokenizer.decode(output_text[0].tolist(), clean_up_tokenization_spaces=True))

The following classes are currently implemented: AutoModel, AutoModelMaskedLM, AutoModelForSequenceClassification, AutoModelForTokenClassification, AutoModelForQuestionAnswering and AutoModeltForMultipleChoice.

Intermediate checkpoints

We are releasing 10 intermediate checkpoints for each model at intervals of every 3125 training steps in separate branches. The naming convention is stepXXX: for example, step18750.

You can load a specific model revision with transformers using the argument revision:

model = AutoModelForMaskedLM.from_pretrained("HPLT/hplt_bert_base_2_0_lvs-Latn", revision="step21875", trust_remote_code=True)

You can access all the revisions for the models with the following code:

from huggingface_hub import list_repo_refs
out = list_repo_refs("HPLT/hplt_bert_base_2_0_lvs-Latn")
print([b.name for b in out.branches])

Cite us

@inproceedings{samuel-etal-2023-trained,
    title = "Trained on 100 million words and still in shape: {BERT} meets {B}ritish {N}ational {C}orpus",
    author = "Samuel, David  and
      Kutuzov, Andrey  and
      {\O}vrelid, Lilja  and
      Velldal, Erik",
    editor = "Vlachos, Andreas  and
      Augenstein, Isabelle",
    booktitle = "Findings of the Association for Computational Linguistics: EACL 2023",
    month = may,
    year = "2023",
    address = "Dubrovnik, Croatia",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/2023.findings-eacl.146",
    doi = "10.18653/v1/2023.findings-eacl.146",
    pages = "1954--1974"
}
@misc{burchell2025expandedmassivemultilingualdataset,
      title={An Expanded Massive Multilingual Dataset for High-Performance Language Technologies},
      author={Laurie Burchell and Ona de Gibert and Nikolay Arefyev and Mikko Aulamo and Marta Bañón and Pinzhen Chen and Mariia Fedorova and Liane Guillou and Barry Haddow and Jan Hajič and Jindřich Helcl and Erik Henriksson and Mateusz Klimaszewski and Ville Komulainen and Andrey Kutuzov and Joona Kytöniemi and Veronika Laippala and Petter Mæhlum and Bhavitvya Malik and Farrokh Mehryary and Vladislav Mikhailov and Nikita Moghe and Amanda Myntti and Dayyán O'Brien and Stephan Oepen and Proyag Pal and Jousia Piha and Sampo Pyysalo and Gema Ramírez-Sánchez and David Samuel and Pavel Stepachev and Jörg Tiedemann and Dušan Variš and Tereza Vojtěchová and Jaume Zaragoza-Bernabeu},
      year={2025},
      eprint={2503.10267},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2503.10267},
}

Как запустить

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

GPU в ailist

Универсальный рантайм · fill-mask

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
LtgbertForMaskedLM
Ревизия весов
972504a

0 моделей