/ Модель
Каталог

Характеристики

Контекст
512 токенов
Параметры
190 млн
Архитектура
bert · dense
Базовая модель
MARBERTv2
Библиотека
transformers
Опубликована
13 авг 2026

Ссылки

Hugging Face

MASRIBERTV4

T0KII
Заполнение пропусковТекст → текст3 профессии

Дообученная арабоязычная BERT-модель для восстановления скрытых токенов в тексте.

1 774скачиваний за 30 дней0лайковвеса обновлены17 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

MASRIBERTV4 — дообученная на неизвестном наборе данных арабоязычная модель семейства BERT от T0KII, созданная на основе UBC-NLP/MARBERTv2. Она предназначена для восстановления скрытых токенов в арабском тексте: модель предсказывает пропущенные фрагменты по контексту и подходит для задач, использующих такую схему маскирования.

Модель содержит 190 млн параметров, использует архитектуру BertForMaskedLM и принимает последовательности длиной до 512 токенов. Опубликованные веса представлены в формате safetensors; для работы предусмотрена библиотека Transformers. В карточке приведён результат оценки Loss 1.4905, но набор данных и методика оценки не раскрыты, поэтому этот показатель не позволяет судить о качестве на конкретных задачах.

Сценарии применения

  • восстановление пропущенных слов в арабском тексте
  • предсказание замаскированных токенов
  • подготовка признаков для задач понимания арабского языка

Ограничения

Данные дообучения неизвестны, а карточка не описывает intended use и ограничения. Значение Loss 1.4905 приведено без сведений о наборе данных и методике оценки.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейII.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделейI.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

MASRIBERTV4

This model is a fine-tuned version of UBC-NLP/MARBERTv2 on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 1.4905

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 5e-05
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 64
  • optimizer: Use OptimizerNames.ADAMW_TORCH with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 10000
  • num_epochs: 2
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation Loss
49.33260.04275005.4990
42.08180.085410004.8453
38.96050.128115004.5192
36.94520.170920004.3034
35.47210.213625004.1469
17.18000.256330002.0153
16.68660.299035001.9642
16.39910.341740001.9193
16.03430.384445001.8890
15.77520.427150001.8541
15.54120.469955001.8296
15.36760.512660001.8037
15.10040.555365001.7819
14.95790.598070001.7591
14.82060.640775001.7475
14.57310.683480001.7312
14.48530.726285001.7171
14.43560.768990001.7090
14.23400.811695001.6929
14.24970.8543100001.6809
14.16600.8970105001.6745
14.04040.9397110001.6584
13.85400.9824115001.6474
13.75381.0251120001.6362
13.67771.0678125001.6223
13.59281.1105130001.6111
13.45281.1533135001.6016
13.35831.1960140001.5926
13.31291.2387145001.5797
13.22611.2814150001.5714
13.22701.3241155001.5613
13.08361.3668160001.5562
13.02981.4096165001.5463
12.98261.4523170001.5360
12.91781.4950175001.5267
12.82101.5377180001.5218
12.75911.5804185001.5172
12.71041.6231190001.5090
12.61831.6658195001.5056
12.57941.7086200001.5013
12.59631.7513205001.4976
12.51401.7940210001.4922
12.48951.8367215001.4932
12.49311.8794220001.4914
12.56851.9221225001.4908
12.48231.9648230001.4929

Framework versions

  • Transformers 5.0.0
  • Pytorch 2.10.0+cu128
  • Datasets 5.0.0
  • Tokenizers 0.22.2

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
BertForMaskedLM
Ревизия весов
9dd244d

0 моделей

    Создать бенчмарк