/ Модель

Характеристики

Контекст
514 токенов
Параметры
178 млн
Лицензия
CC BY-SA 4.0
Архитектура
xlm-roberta · dense
Базовая модель
litlat-bert
Опубликована
4 июл 2026

litlat-bert-lithuanian-morphology-vdu

Разметка токеновТекст → label3 профессии

Модель размечает морфологию литовских слов по традиционной грамматической схеме, чтобы помогать системам постановки ударений разрешать омографы.

18скачиваний за 30 дней0лайковвеса обновлены5 июл 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

Lithuanian morphology tagger — accentuation flavor — это модель для разметки литовских слов по частям речи и морфологическим признакам, созданная как компонент систем постановки ударений, в частности Kirčiuoklė. Она дообучена на EMBEDDIA/litlat-bert, использует архитектуру XLM-RoBERTa для классификации токенов и насчитывает 177,9 млн параметров. Модель рассчитана на литовский язык, обрабатывает последовательности длиной до 514 токенов и доступна в форматах ONNX и safetensors; в репозитории также есть квантованная до INT8 ONNX-версия.

Метка использует традиционную литовскую грамматическую схему VDU: DET объединён с PRON, а AUX — с VERB. Это помогает выбирать ударение в омографах с учётом морфологии, но модель намеренно не выдаёт категории DET и AUX, признаки за пределами десяти ключей согласования или леммы. На полном тесте ALKSNIS точность слотов составила 86,4%, UPOS — 90,6%; для строгой разметки UD автор рекомендует родственные модели с суффиксом morphology. Лицензия — CC BY-SA 4.0.

Сценарии применения

  • определение частей речи в литовском тексте
  • извлечение морфологических признаков и признаков согласования
  • разрешение омографов для постановки литовского ударения
  • морфологическая разметка текста в конвейере Kirčiuoklė

Ограничения

Модель следует традиционной грамматической схеме VDU: DET объединён с PRON, AUX — с VERB; она не выдаёт леммы и морфологические признаки за пределами десяти ключей согласования. На тесте ALKSNIS точность UPOS составила 90,6%, поэтому разметка может содержать ошибки; для строгих категорий UD предназначены родственные варианты модели.

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

Lithuanian morphology tagger — accentuation flavor

Token-classification tagger built as the disambiguation engine for Lithuanian accentuation (kirčiavimas) pipelines, notably Kirčiuoklė. It emits UPOS + agreement features in the label space of Lithuanian traditional grammar — the space used by accentuation dictionaries (VDU convention): DET is folded into PRON and AUX into VERB (Lithuanian grammar has neither category; determiners are įvardžiai, auxiliaries are ordinary veiksmažodžiai). If you want strict UD categories, use the -morphology or -morphology-full siblings instead.

Benchmarks (measured)

End-to-end accentuation quality — agreement of homograph stress choices with the production VDU+UDPipe pipeline (each ambiguous word, e.g. galvõs vs gálvos, resolved by this model's morphology):

evalchoices agreeing
766-char sample text (20 ambiguous words)20/20
2,600-token Wikipedia corpus (370 ambiguous words)323/370 (86.5%) — equal to an internal UDPipe-taught reference; hand-checked disagreements split both ways

Tag-level (full 684-sentence ALKSNIS gold test, traditional-grammar projection): slots 86.4%, UPOS 90.6%, at 880 tok/s (ONNX INT8, CPU). For treebank-style tagging the -morphology sibling scores higher — this flavor exists for accentuation, where its conventions match the dictionary being scored against.

Not emitted by design: DET/AUX categories, FEATS beyond the ten agreement keys, lemmas (LEMMA = lowercased form; consumers apply a yra→būti rule for the copula homograph).

Usage (verified)

import torch
from transformers import AutoTokenizer, AutoModelForTokenClassification

repo = "alexbalandi/litlat-bert-lithuanian-morphology-vdu"
tok = AutoTokenizer.from_pretrained(repo)
model = AutoModelForTokenClassification.from_pretrained(repo)

words = ["Tas", "namas", "yra", "gražus"]
enc = tok(words, is_split_into_words=True, return_tensors="pt")
with torch.inference_mode():
    logits = model(**enc).logits[0]
seen = set()
for pos, wid in enumerate(enc.word_ids(0)):
    if wid is not None and wid not in seen:
        seen.add(wid)
        print(words[wid], model.config.id2label[int(logits[pos].argmax())])
# Tas PRON|Case=Nom|Gender=Masc|Number=Sing|Person=3   <- DET folded into PRON
# ...

An onnx/ folder with an INT8 model is included; a UDPipe-REST-protocol serving container lives in the project repo (local/tagger-hf/).

Training data & lineage

Gold corpora only, no NC-licensed model anywhere in the lineage: MATAS v3.0 (CC BY 4.0; UD features reconstructed from its Jablonskis XPOS) + UD_Lithuanian-ALKSNIS (CC BY-SA 4.0), gaps filled by iterated constrained-decoding self-training. Labels normalized to traditional-grammar categories in all splits.

License & attribution

CC BY-SA 4.0 (inherited from litlat-bert and ALKSNIS). Please credit: MATAS v3.0 (Rimkutė, Bielinskienė, Boizou, Dadurkevičius, Kovalevskaitė, Utka; CLARIN-LT), UD_Lithuanian-ALKSNIS (VDU), litlat-bert (Ulčar & Robnik-Šikonja, EMBEDDIA).

Как запустить

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

GPU в ailist

Универсальный рантайм · token-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
XLMRobertaForTokenClassification
Ревизия весов
9ace05d

0 моделей