/ Модель

Характеристики

Параметры
314 млн
Лицензия
CC BY-SA 4.0
Архитектура
neobert · dense
Базовая модель
NeoAraBERT
Библиотека
Transformers
Опубликована
20 апр 2026

NeoAraBERT_MSA

Заполнение пропусковТекст → текст7 профессий

NeoAraBERT_MSA — дообученная арабская модель на NeoBERT для получения эмбеддингов и извлечения признаков из текстов на современном литературном арабском языке.

189скачиваний за 30 дней5лайковвеса обновлены8 сен 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

NeoAraBERT_MSA — арабская модель для получения текстовых эмбеддингов на архитектуре NeoBERT, разработанная совместно подразделением U4RASD Арабского центра исследований и политических исследований и Американским университетом Бейрута. Чекпойнт дообучен на базе U4RASD/NeoAraBERT и предназначен для современного литературного арабского языка (MSA).

Модель содержит 314,2 млн параметров и распространяется в формате safetensors для Transformers. Её можно применять для извлечения признаков текста, поиска семантически близких фраз и других задач понимания арабского текста. Авторы сообщают о сравнении семейства NeoAraBERT с арабскими моделями на 23 задачах; результаты относятся к семейству и не гарантируют качество на каждом отдельном сценарии этого чекпойнта. Лицензия — CC BY-SA 4.0.

Сценарии применения

  • получение эмбеддингов арабских предложений
  • семантический поиск по текстам на литературном арабском
  • поиск синонимов и близких по смыслу выражений
  • извлечение признаков для классификации арабских текстов
  • подготовка представлений текста для последующей обработки

Ограничения

Этот чекпойнт обучен на современном литературном арабском и не предназначен специально для диалектного арабского. Заявленные результаты бенчмарков относятся к семейству NeoAraBERT и не гарантируют качество на конкретных данных или задаче.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

NeoAraBERT_MSA

We pretrain NeoAraBERT on diverse open-source and internal datasets covering modern standard, classical, and dialectal Arabic. We guided our design choices with Arabic tailored ablation studies including text normalization, light stemming, and diacritics-aware tokenization handling. We also performed POS-aware token masking and learning-rate scheduling ablation studies. We benchmarked NeoAraBERT against five top-performing Arabic models on 23 tasks, including a synonym-based task, Muradif, that directly assesses embedding quality with no additional fine-tuning. NeoAraBERT variants rank first in 18 tasks and improve average performance across the full benchmark suite.

This model was introduced at the 64th Annual Meeting of the Association for Computational Linguistics (ACL 2026). For more information, visit our website: https://acr.ps/neoarabert.

The available NeoAraBERT checkpoints:

ModelDescriptionLink
NeoAraBERT (NeoAraBERT_Mix)Trained on both Modern Standard Arabic and Dialectal Arabic.link
NeoAraBERT_MSATrained on Modern Standard Arabic.this repository ✅
NeoAraBERT_DATrained on Dialectal Arabic.link

msa

For detailed benchmarking, see https://acr.ps/neoarabert.

How to Use

Install these libraries:

pip install fast-disambig hf_transfer==0.1.9 torch==2.5.1 transformers==4.49.0 xformers==0.0.28.post3 torchvision torchaudio

Load the model and use it to generate embeddings:

from transformers import AutoModel, AutoTokenizer

model_name = "U4RASD/NeoAraBERT_MSA"
tokenizer = AutoTokenizer.from_pretrained(model_name, trust_remote_code=True)
model = AutoModel.from_pretrained(model_name, trust_remote_code=True)

# Tokenize input text
text = "المركز العربيّ للأبحاث ودراسة السياسات."
inputs = tokenizer(text, return_tensors="pt")

# Generate embeddings
outputs = model(**inputs)
embedding = outputs.last_hidden_state[:, 0, :]
print(embedding.shape)

Citation

If you use the code, model, or the Muradif benchmark, please cite:

@inproceedings{abou-chakra-etal-2026-neoarabert,
    title = "{N}eo{A}ra{BERT}: A Modern Foundation Model for {A}rabic Embeddings with Diacritics-Aware Tokenization and {POS}-Targeted Masking",
    author = "Abou Chakra, Chadi  and
      Hamoud, Hadi Khaled  and
      Rakan Al Mraikhat, Osama  and
      Abu Obaida, Qusai  and
      Ballout, Mohamad  and
      Zaraket, Fadi",
    editor = "Liakata, Maria  and
      Moreira, Viviane P.  and
      Zhang, Jiajun  and
      Jurgens, David",
    booktitle = "Findings of the {A}ssociation for {C}omputational {L}inguistics: {ACL} 2026",
    month = jul,
    year = "2026",
    address = "San Diego, California, United States",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/2026.findings-acl.1293/",
    doi = "10.18653/v1/2026.findings-acl.1293",
    pages = "25952--25968",
    ISBN = "979-8-89176-395-1",
    abstract = "We present NeoAraBERT, a state-of-the-art open-source Arabic text-embedding model built on the NeoBERT architecture. We pre-train NeoAraBERT on diverse open-source and internal datasets covering modern standard, classical, and dialectal Arabic. We guided our design choices with Arabic tailored ablation studies including text normalization, light stemming, and diacritics-aware tokenization handling. We also performed more general POS-aware token masking and learning-rate scheduling ablation studies. We benchmarked NeoAraBERT against five top-performing Arabic models on 23 tasks, including a novel synonym-based task, ``Muradif'', that directly assesses embedding quality with no additional fine-tuning. NeoAraBERT variants (MSA, dialectal, and mixed) rank first in 18 tasks, second in two, third in two, and fourth in one task. They show strong performance on classical and modern standard Arabic, substantial margins of improvement ($>$7{\%}) in two tasks, and a $+$2.75{\%} improvement on average across all tasks. Our code and links to checkpoints for our model variants are available on our website: \url{https://acr.ps/neoarabert}."
}

Acknowledgements

We would like to acknowledge Ahmad Talal Salman from Assafir and Professor Amer Abdo Mouawad from the American University of Beirut for sharing Assafir data, which was instrumental to the work presented in this paper.

License

This model is licensed under the CC BY-SA 4.0 license. The text of the license can be found here.

Как запустить

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

GPU в ailist

Универсальный рантайм · Transformers · fill-mask

Нельзя запустить

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

Класс архитектуры
NeoBERTLMHead
Ревизия весов
bf6e649

0 моделей