/ Модель

Характеристики

Контекст
131 072 токена
Параметры
7,5 млрд
Размер весов
16,1 ГБ
Лицензия
CC BY-NC 4.0
Архитектура
llama · dense
Базовая модель
Llama-3.1-8B
Библиотека
transformers
Опубликована
27 июл 2025

MameLoshnLM

Генерация текстаТекст → текст3 профессии

Продолжительно предобученная на корпусе идиша модель Llama 3.1 8B для генерации текстов и решения языковых задач на идише.

102скачиваний за 30 дней1лайквеса обновлены24 авг 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

MameLoshnLM — языковая модель на базе Llama 3.1 8B, разработанная для идиша и описанная в сопутствующей научной работе. Она создана продолжением предобучения meta-llama/Llama-3.1-8B на корпусе современных интернет-текстов и литературных материалов на идише; небольшая доля английских данных использовалась для снижения потери базовых навыков. Модель имеет архитектуру LlamaForCausalLM, около 7,5 млрд параметров и доступна в формате safetensors для Transformers. Контекст архитектуры — до 131 072 токенов, однако обучение проводилось на последовательностях длиной 1 024 токена.

Модель предназначена для генерации текста на идише и может применяться в лингвистических задачах, ответах на вопросы, распознавании именованных сущностей и машинном переводе. В оценках на идише она показала результаты для POS-разметки, синтаксического разбора и лемматизации. Модель не проходила дообучение на инструкциях или настройку безопасности, поэтому не следует ожидать надёжного следования сложным инструкциям. Низкоресурсность идиша и OCR-источники в обучающем корпусе могут приводить к артефактам распознавания и вариативности орфографии. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но не для коммерческих целей.

Сценарии применения

  • генерация текстов на идише
  • ответы на вопросы на идише
  • разметка частей речи в текстах на идише
  • синтаксический разбор и лемматизация идишских текстов
  • распознавание именованных сущностей на идише
  • перевод между идишем и другими языками

Ограничения

Модель не проходила instruction tuning и настройку безопасности; низкоресурсные данные и OCR-тексты могут приводить к артефактам распознавания, орфографической вариативности и тематическим смещениям.

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

MameLoshnLM

Paper: MameLoshnLM: Yiddish Language Model and Evaluation Benchmark
Code: github.com/katzurik/MameLoshnLM

MameLoshnLM is an 8B-parameter language model for Yiddish, built by continued pretraining of meta-llama/Llama-3.1-8B on a curated native-Yiddish corpus combining contemporary web-native sources with an extensive collection of literary materials. It is, to our knowledge, the first large generative language model adapted specifically to Yiddish, and it accompanies our paper (reference below).

Model details

  • Architecture LlamaForCausalLM (Llama 3.1 8B), unchanged tokenizer and vocabulary
  • Training one epoch of continued pretraining on a large Yiddish corpus, with a small proportion of English data interleaved to mitigate catastrophic forgetting
  • Precision bfloat16
  • Context length during training 1,024 tokens (the architecture supports up to 128k)
  • Hyperparameters learning rate 2e-5 with cosine schedule, warmup ratio 0.02, weight decay 0.01, 8-bit AdamW

Evaluation

We evaluated MameLoshnLM on a broad Yiddish benchmark suite spanning linguistic tasks (POS tagging, dependency parsing, lemmatization, transliteration on the UD Yiddish-YiTB treebank), understanding tasks (paraphrase detection, physical commonsense, question answering, all in Yiddish translation), named entity recognition (EHRI, WikiANN, newNLP), and machine translation (FLORES+ and Kashes-mt, a new translation task we created, in both directions). All results below are 5-shot. Bold marks the best model per row.

TaskMetricMameLoshnLMLlama 3.1 8BQwen3 8B
POS TaggingAccuracy88.686.985.9
Dependency ParsingLAS40.639.740.3
LemmatizationChange Acc.31.919.721.6
Transliteration1 - CER92.392.188.5
PAWS-WikiAccuracy62.955.875.2
PIQAAccuracy47.145.050.3
Wiki QAROUGE-L34.432.334.8
NER (EHRI)Micro F141.334.220.8
NER (WikiANN)Micro F159.758.154.6
NER (newNLP)Micro F157.651.950.5
MT Eng-Yid (FLORES+)COMET78.564.846.5
MT Eng-Yid (Kashes-mt)COMET75.359.645.3
MT Yid-Eng (FLORES+)COMET87.282.279.1
MT Yid-Eng (Kashes-mt)COMET79.572.872.0
Average62.656.854.7

The benchmark datasets will be released in this organization as well.

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained("Yiddish-NLP/MameLoshnLM", torch_dtype="bfloat16", device_map="auto")
tokenizer = AutoTokenizer.from_pretrained("Yiddish-NLP/MameLoshnLM")

prompt = "די ייִדישע שפּראַך"
inputs = tokenizer(prompt, return_tensors="pt").to(model.device)
outputs = model.generate(**inputs, max_new_tokens=100)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))

Note that this is a base (non-instruct) model. It is intended for completion-style prompting, few-shot in-context learning, and as a starting point for task-specific fine-tuning.

Limitations

The model inherits the limitations of its base model and training data. Yiddish is a low-resource language and parts of the training corpus are derived from OCR of historical printed material, so the model may reproduce OCR artifacts, historical orthographic variation, and the topical biases of its sources. It has not been instruction-tuned or safety-tuned.

License

MameLoshnLM is released for non-commercial use only, under the CC BY-NC 4.0 license. It is intended for research and educational purposes.

Built with Llama. As a derivative of Llama 3.1, the model is additionally subject to the Llama 3.1 Community License; where the two licenses impose different conditions, the more restrictive applies.

Citation

Please cite our work using:

@inproceedings{
katz2026mameloshnlm,
title={MameLoshn{LM}: Yiddish Language Model and Evaluation Benchmark},
author={Uri Katz and Omer Goldman and Tomasz Limisiewicz and Reut Tsarfaty and Noah A. Smith},
booktitle={Third Conference on Language Modeling},
year={2026},
url={https://openreview.net/forum?id=4XiuQQu58H}
}

Acknowledgments

We are deeply grateful to the Yiddish Book Center, which granted us permission to train on the Yiddish Book Center's Digital Yiddish Library. This model and the accompanying research would not have been possible without their support and their decades of work digitizing and preserving Yiddish literature.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
5191ee3

0 моделей