/ Модель

Характеристики

Контекст
1 024 токена
Параметры
95 млн
Лицензия
Apache 2.0
Архитектура
mbart · dense
Базовая модель
AraBART
Библиотека
transformers
Опубликована
9 мая 2026

arabart-xlsum-arabic

СуммаризацияТекст → текст

Дообученная AraBART для создания кратких абстрактивных резюме арабских новостных статей.

153скачиваний за 30 дней0лайковвеса обновлены9 мая 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

Omar10lfc/arabart-xlsum-arabic — модель Omar10lfc, дообученная на основе moussaKam/AraBART для абстрактивного суммирования новостных текстов на арабском языке. Она использует архитектуру mBART с 95 млн параметров и принимает текст; базовая модель поддерживает контекст до 1024 токенов. Для обучения использована арабская часть датасета XL-Sum, составленная из новостных статей BBC.

На тестовой выборке XL-Sum модель достигла ROUGE-1 34,99, ROUGE-2 15,77, ROUGE-L 29,56 и BLEU 8,26 по оценке авторов карточки. Модель предназначена для подготовки кратких арабских выжимок из новостных статей. Лицензия — Apache-2.0.

Сценарии применения

  • суммирование новостных статей на арабском языке
  • подготовка кратких выжимок из статей BBC
  • создание арабских дайджестов новостей
  • сокращение длинных арабских новостных текстов

Ограничения

Модель настроена на арабские новостные тексты; её результаты для других жанров и языков не подтверждены. Вход при обучении ограничивался 512 токенами, поэтому длинные статьи могут обрезаться.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

arabart-xlsum-arabic

Fine-tuned moussaKam/AraBART for Arabic abstractive news summarization on the XL-Sum Arabic split.

Results

Evaluated on the full XL-Sum Arabic test set (4,688 article–summary pairs after cleaning) with the official XL-Sum scorer (csebuetnlp/xl-sum's multilingual_rouge_scoring with lang='arabic', the same Snowball-based stemmer used by the XL-Sum paper). Generation parameters match the paper: num_beams=4, no_repeat_ngram_size=2, length_penalty=0.6, max_length=84.

ModelROUGE-1 ↑ROUGE-2 ↑ROUGE-L ↑BLEU ↑
AraBART (pretrained, no fine-tune)20.255.0813.481.83
mT5-XLSum (zero-shot, csebuetnlp/mT5_multilingual_XLSum)34.8214.7729.177.43
AraBART (fine-tuned, this model)34.9915.7729.568.26

Fine-tuning lifts AraBART by +14.7 ROUGE-1 / +10.7 ROUGE-2 / +16.1 ROUGE-L over its pretrained-only baseline, and matches/slightly beats the multilingual mT5-XLSum baseline on the Arabic split despite being a much smaller monolingual model.

Training data

XL-Sum (Hasan et al., 2021), a multilingual abstractive summarization dataset built from BBC news articles in 45 languages. We use the Arabic split (arabic_train.jsonl / arabic_val.jsonl / arabic_test.jsonl), distributed by the authors as arabic_XLSum_v2.0.tar.bz2.

Cleaning applied to every (document, summary) pair before training:

  • Strip Arabic diacritics (U+064B–U+065F, U+0670) and tatweel (U+0640).
  • Collapse whitespace.
  • Drop pairs with <20 document words or <5 summary words.

Final cleaned counts: ~37k train / ~4.7k val / ~4.7k test.

Training procedure

Single Tesla T4 (16 GB) on Kaggle. Training framework: transformers Seq2SeqTrainer.

Hyperparameters

Base modelmoussaKam/AraBART (mBART arch., 6 enc / 6 dec layers, ~139 M params)
Train setfull cleaned XL-Sum Arabic train split (~37k pairs)
Eval set during training2,000 sampled pairs from the val split
Epochs3
Per-device batch size4
Gradient accumulation4 (effective batch 16)
OptimizerAdamW (HF default)
Learning rate2e-5
LR schedulecosine, warmup ratio 0.1
Weight decay0.01
Label smoothing0.1
max_input_length512
max_target_length84
Generation (eval)num_beams=6, length_penalty=0.6
Generation (inference / reported test)num_beams=4, no_repeat_ngram_size=2, length_penalty=0.6, max_length=84
Mixed precisionfp16
Seed42

load_best_model_at_end=True with metric_for_best_model='eval_loss' — the published checkpoint is the epoch with the lowest validation loss.

Quick use

import re
from transformers import AutoTokenizer, AutoModelForSeq2SeqLM

REPO = "Omar10lfc/arabart-xlsum-arabic"   # replace with your username if different
tok = AutoTokenizer.from_pretrained(REPO)
mdl = AutoModelForSeq2SeqLM.from_pretrained(REPO)

article = "..."  # Arabic news article text

# Same minimal cleaning used during training (diacritics + tatweel + whitespace).
AR_DIACRITICS = re.compile(r"[ً-ٰٟ]")
TATWEEL       = re.compile(r"ـ")
WS            = re.compile(r"\s+")
def clean_arabic(t: str) -> str:
    t = AR_DIACRITICS.sub("", t)
    t = TATWEEL.sub("", t)
    return WS.sub(" ", t).strip()

enc = tok(clean_arabic(article), max_length=512, truncation=True,
          padding="max_length", return_tensors="pt")
ids = mdl.generate(
    input_ids=enc["input_ids"],
    attention_mask=enc["attention_mask"],
    max_length=84,
    min_length=10,
    num_beams=4,
    no_repeat_ngram_size=2,
    length_penalty=0.6,
    early_stopping=True,
)
print(tok.batch_decode(ids, skip_special_tokens=True,
                       clean_up_tokenization_spaces=False)[0])

Or with the HF pipeline:

from transformers import pipeline
summ = pipeline("summarization", model=REPO, tokenizer=REPO)
print(summ(article, max_length=84, min_length=10, num_beams=4,
           no_repeat_ngram_size=2, length_penalty=0.6)[0]["summary_text"])

Intended use & limitations

  • Intended use: Modern Standard Arabic (MSA) abstractive summarization of news-style articles. Used as the summarization stage of an Arabic audio understanding pipeline (Whisper ASR → AraBART summarization → CAMeL-BERT/FAISS semantic search).
  • Out of scope: dialectal Arabic (Egyptian, Levantine, Maghrebi, Khaleeji), social-media text, code-switching with English, very long inputs (>512 BPE tokens are truncated), domains far from BBC news (legal, scientific, conversational).
  • Bias: XL-Sum is built from BBC news, so the model inherits BBC's editorial perspective and topical distribution. Summaries may reflect those biases, particularly on geopolitical topics. As with all abstractive models, generated summaries may hallucinate facts not present in the source — verify before downstream use.

Citation

@misc{arabart-xlsum-arabic,
  title  = {arabart-xlsum-arabic: Fine-tuned AraBART for Arabic abstractive summarization on XL-Sum},
  author = {{Omar10lfc}},
  year   = {2026},
  howpublished = {Hugging Face},
  note = {Fine-tune of moussaKam/AraBART on the Arabic split of XL-Sum, ROUGE-1 34.99 / ROUGE-2 15.77 / ROUGE-L 29.56.}
}

Built on top of:

@inproceedings{kamal-eddine-etal-2022-arabart,
  title     = {{A}ra{BART}: a Pretrained {A}rabic Sequence-to-Sequence Model for Abstractive Summarization},
  author    = {Kamal Eddine, Moussa and Tomeh, Nadi and Habash, Nizar and
               Le Roux, Joseph and Vazirgiannis, Michalis},
  booktitle = {Proceedings of the The Seventh Arabic Natural Language Processing Workshop (WANLP)},
  year      = {2022}
}

@inproceedings{hasan-etal-2021-xl,
  title     = {{XL}-Sum: Large-Scale Multilingual Abstractive Summarization for 44 Languages},
  author    = {Hasan, Tahmid and Bhattacharjee, Abhik and Islam, Md. Saiful and
               Mubasshir, Kazi and Li, Yuan-Fang and Kang, Yong-Bin and
               Rahman, M. Sohel and Shahriyar, Rifat},
  booktitle = {Findings of the Association for Computational Linguistics: ACL-IJCNLP 2021},
  year      = {2021}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
MBartForConditionalGeneration
Ревизия весов
c43dad7

0 моделей