/ Модель

Характеристики

Контекст
514 токенов
Параметры
456 млн
Лицензия
MIT
Архитектура
roberta · dense
Библиотека
transformers
Опубликована
30 июл 2025

HalleluBERT_large

Заполнение пропусковТекст → текст3 профессии

Крупная RoBERTa-модель, обученная на иврите для заполнения пропусков и использования в задачах анализа текста.

146скачиваний за 30 дней1лайквеса обновлены12 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

HalleluBERT_large — крупная модель RoBERTa, разработанная как часть семейства HalleluBERT для современного иврита. Её обучили с нуля на корпусе примерно из 49,1 ГБ очищенного иврита из веба и Википедии; для токенизации используется byte-level BPE с GPT-2-совместимым словарём на 52 009 токенов. В метаданных указано 455,9 млн параметров, а родная длина контекста составляет 514 токенов.

Модель предназначена для заполнения пропусков в тексте и может служить энкодером для задач анализа иврита, включая распознавание именованных сущностей и анализ тональности. В оценке на бенчмарках иврита HalleluBERT_large показала высокие результаты в NER и анализе тональности. Модель распространяется по лицензии MIT.

Сценарии применения

  • восстановление скрытых слов в предложениях на иврите
  • подбор наиболее вероятного токена по контексту
  • распознавание именованных сущностей в текстах на иврите
  • анализ тональности отзывов и сообщений на иврите

Ограничения

Модель ориентирована на современный иврит, поэтому её пригодность для других языков не подтверждена. В README приведены оценки для ограниченного набора бенчмарков NER и анализа тональности.

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

HalleluBERT: Let every token that has meaning bear its weight

HalleluBERT is a family of RoBERTa-based Modern Hebrew language models pre-trained from scratch on ~49.1 GB of deduplicated Hebrew web text (HeDC4 / HeRo corpus) and Hebrew Wikipedia. The models aim to provide the first fully converged Hebrew RoBERTa encoder family, including a large variant, and to push state-of-the-art performance on core Hebrew benchmarks.

We release two variants:

  • HalleluBERT-base: 126M parameters (fp32)
  • HalleluBERT-large: 357M parameters (fp32)

Model Details

DetailHalleluBERT-baseHalleluBERT-large
ArchitectureRoBERTa-baseRoBERTa-large
Parameters~126M~357M
TokenizerGPT-2 style byte-level BPE (52,009 vocab)Same
Pretraining corpusHeDC4 (mC4 + OSCAR22) + Hebrew Wikipedia (~49.1 GB)Same
ObjectiveMasked Language ModelingSame
Training steps100k updates, global batch size 8kSame
LR schedule10k warmup + polynomial decaySame
Peak learning rate0.00040.00015
Training time~30.2 hours (TPUv4-128 pod)~6.0 days (TPUv4-128 pod)
Precisionfp32fp32
Frameworkfairseqfairseq

Downstream Evaluation

We evaluate HalleluBERT on three Hebrew benchmarks (following the HeRo suite, restricted to NER + sentiment):

  • NER (BMC split 1): micro-F1
  • NER (NEMO², token-level): micro-F1
  • Sentiment (SMCD, deduplicated): macro-F1

We select the best configuration by validation performance and report the best score out of 10 runs on the official test sets.

🧪 Evaluation Results

Legend: Bold = best, underline = second-best within each model size group.

ModelBMC (micro-F1)NEMO (micro-F1)AVG NERSMCD (macro-F1)AVG (all)
Large models
HalleluBERT_large93.2388.7090.9684.9188.95
XLM-RoBERTa_large92.3186.4189.3683.7487.49
Base models
HeBERT89.3376.1682.7482.6482.71
AlephBERT91.3681.5286.4483.6685.51
HeRo92.0083.3587.6880.9585.43
HalleluBERT_base93.3387.0690.2083.0987.83
mmBERT_small83.9671.9577.9681.8979.27
AlephBERT-Gimmel92.4685.8689.1682.6686.99
XLM-RoBERTa_base86.3279.3782.8482.0782.59
mmBERT_base84.6177.9781.2983.5582.04

Fairseq Checkpoint

Get the fairseq checkpoint here.

Citation

If you use HalleluBERT in your research, please cite the corresponding paper (replace with your final bib entry if you already have one):

@inproceedings{schmitt-2026-hallelubert,
  title = {HalleluBERT: Let Every Token That Has Meaning Bear Its Weight},
  author = {Schmitt, Raphael},
  booktitle = {Proceedings of the Fifteenth Language Resources and Evaluation Conference (LREC 2026)},
  month = {May},
  year = {2026},
  pages = {3022--3030},
  address = {Palma, Mallorca, Spain},
  publisher = {European Language Resources Association (ELRA)},
  editor = {Piperidis, Stelios and Bel, Núria and van den Heuvel, Henk and Ide, Nancy and Krek, Simon and Toral, Antonio},
  doi = {10.63317/3qdqexx4e9i2}
}

📜 License

MIT License

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
RobertaForMaskedLM
Ревизия весов
c16e204

0 моделей