/ Модель

Характеристики

Контекст
512 токенов
Параметры
136 млн
Архитектура
bert · dense
Опубликована
28 сен 2026

khabert-pretrained

Заполнение пропусковТекст → текст

KhaBERT — BERT-модель для предсказания замаскированных слов и контекстного анализа текстов на языке Khasi.

0скачиваний за 30 дней0лайковвеса обновлены28 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

KhaBERT — языковая модель на архитектуре BERT, разработанная Verathagnus и предварительно обученная с нуля на одноязычном корпусе текстов на языке Khasi. Модель решает задачу masked language modeling: предсказывает замаскированные токены в тексте, что подходит для заполнения пропусков и анализа контекста на Khasi.

Модель содержит 136,3 млн параметров, использует собственный WordPiece-токенизатор со словарём из 30 000 токенов и имеет 12 слоёв, 12 голов внимания и скрытый размер 768. Максимальная длина контекста — 512 токенов; при обучении последовательности обрезались до 128 токенов. В README указаны 300 000 шагов обучения и результат MLM accuracy 74,47% на отложенной выборке.

Это базовый чекпойнт для работы с текстом на Khasi, а не готовый диалоговый ассистент. Лицензия в предоставленных данных не указана.

Сценарии применения

  • заполнение пропусков в текстах на Khasi
  • предсказание замаскированных токенов на Khasi
  • оценка контекстуальной правдоподобности слов на Khasi
  • создание основы для задач NLP на Khasi

Ограничения

Модель предварительно обучена на ограниченном одноязычном корпусе из новостных и локальных текстов; при обучении использовались последовательности длиной 128 токенов. Она не является готовым чат-ассистентом.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

KhaBERT (Pretrained - 100 Epochs)

KhaBERT is a BERT-based language model pretrained from scratch on monolingual Khasi text using the Masked Language Modeling (MLM) objective. This checkpoint represents the model after completing 300,000 training steps (100 epochs).

Model Details

  • Model Architecture: BERT (BertForMaskedLM)
  • Language: Khasi (kha)
  • Tokenizer: Custom WordPiece Tokenizer (vocab_size: 30,000)
  • Hidden Size: 768
  • Intermediate Size: 3072
  • Number of Attention Heads: 12
  • Number of Hidden Layers: 12
  • Max Position Embeddings: 512 (Tokenized at 128 during pretraining)

Training Data

The model was pretrained on a custom Khasi monolingual corpus compiled from news and local text sources:

  • Total Training Samples: 191,937 sentences
  • Evaluation Samples: 10,102 sentences
  • Split Ratio: 95% Train / 5% Validation

Training Procedure

  • Objective: Masked Language Modeling (MLM) with 15% masking probability
  • Epochs: 100
  • Batch Size: 64 per device
  • Precision: Mixed Precision (fp16 = True)
  • Total Steps: 300,000

Evaluation Results

Performance evaluated on the held-out validation set (10,102 samples) at the final 100-epoch checkpoint:

MetricScore
Evaluation Loss1.1922
MLM Accuracy74.47%
Perplexity3.2943

How to Use

You can use this model directly with a pipeline for masked language modeling:

from transformers import AutoTokenizer, AutoModelForMaskedLM, pipeline

model_name = "YOUR_USERNAME/khabert-pretrained"

tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForMaskedLM.from_pretrained(model_name)

fill_mask = pipeline("fill-mask", model=model, tokenizer=tokenizer)
results = fill_mask("Leit hiar thma jur biang ka [MASK] sha ka nongbah.")

for result in results:
    print(f"Token: {result['token_str']} | Score: {result['score']:.4f}")

Как запустить

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

GPU в ailist

Универсальный рантайм · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры
BertForMaskedLM
Ревизия весов
59f8406

0 моделей