/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
1 млрд
Лицензия
Gemma
Архитектура
gemma3_text · dense
Базовая модель
gemma-3-1b-pt
Библиотека
transformers
Опубликована
31 мая 2025

gemma-3-1b-arabic-gec-v1

Генерация текстаТекст → текст3 профессии

Дообученная Gemma 3 1B для исправления грамматических ошибок в современном литературном арабском языке.

118скачиваний за 30 дней9лайковвеса обновлены15 июн 2025

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

Модель alnnahwi/gemma-3-1b-arabic-gec-v1 разработана Bahjat Al Mostafa (Alnnahwi) и дообучена на базе Gemma 3 от Google для исправления грамматических ошибок в арабском тексте. Она принимает предложения на арабском языке и генерирует исправленный вариант. Модель содержит 1 млрд параметров, использует плотную архитектуру Gemma 3 для авторегрессионной генерации текста, работает через библиотеку Transformers и поддерживает контекст до 32 768 токенов.

Модель предназначена прежде всего для современного литературного арабского языка (MSA): она исправляет согласование рода и числительных, падежные формы, орфографию и пунктуацию. Её можно применять в учебных инструментах, корректуре текстов и предварительной обработке данных для последующих NLP-задач. Карточка сообщает о дообучении на пользовательском наборе данных арабской коррекции ошибок в течение семи эпох.

Качество на диалектном арабском может быть ниже, а контекстно-зависимые исправления — несовершенными. README отмечает возможное снижение качества на очень длинных текстах свыше 512 токенов. Лицензия — Gemma; при использовании следует учитывать условия лицензии Gemma от Google.

Сценарии применения

  • корректура грамматики в арабских текстах
  • помощь изучающим арабский язык с согласованием рода и числительных
  • проверка падежных форм в формальном арабском письме
  • нормализация орфографии и пунктуации в арабском тексте
  • предварительная очистка арабских текстов для NLP

Ограничения

Модель ориентирована на современный литературный арабский язык и может хуже справляться с диалектами; контекстно-зависимые исправления могут быть несовершенными. README предупреждает о возможном снижении качества на текстах длиннее 512 токенов.

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

Gemma 3 1B Arabic Grammatical Error Correction v1

Model Description

This model is a fine-tuned version of Google's Gemma 3 1B model, specifically trained for Arabic Grammatical Error Correction (GEC) by Alnnahwi. The model takes Arabic sentences as input and outputs their grammatically corrected versions.

Developed by: Bahjat Al Mostafa (Alnnahwi)
Base Model: google/gemma-3-1b
Task: Grammatical Error Correction
Language: Arabic
Version: 1.0.0
Organization: Alnnahwi

Quick Start

Installation

pip install transformers torch

Basic Usage

from transformers import pipeline, AutoTokenizer
import torch

MODEL_NAME = "alnnahwi/gemma-3-1b-arabic-gec-v1"

def extract_model_response(generated_text):
    """Extract just the model's response from the full generated text."""
    # Find the position after "model" marker
    model_marker = "\nmodel\n"
    if model_marker in generated_text:
        response_start = generated_text.find(model_marker) + len(model_marker)
        return generated_text[response_start:].strip()

    # Alternative format (in case formatting changes)
    alt_marker = "model\n"
    if alt_marker in generated_text:
        response_start = generated_text.find(alt_marker) + len(alt_marker)
        return generated_text[response_start:].strip()

    # If markers not found, return the original text
    return generated_text

# Initialize the tokenizer
tokenizer = AutoTokenizer.from_pretrained(MODEL_NAME)
# Add Gemma chat template manually
tokenizer.chat_template = """{% for message in messages %}{{'<start_of_turn>' + message['role'] + '\n' + message['content'] + '<end_of_turn>\n'}}{% endfor %}{% if add_generation_prompt %}{{'<start_of_turn>model\n'}}{% endif %}"""

# Device selection
if torch.backends.mps.is_available():
    device = "mps"
elif torch.cuda.is_available():
    device = "cuda"
else:
    device = "cpu"

# Create pipeline
pipe = pipeline(
    "text-generation",
    model=MODEL_NAME,
    tokenizer=tokenizer,
    device=device,
)

def correct_arabic_text(text):
    """Correct Arabic text using the fine-tuned model."""
    messages = [{"role": "user", "content": text}]
    prompt = tokenizer.apply_chat_template(
        messages, tokenize=False, add_generation_prompt=True
    )
    
    outputs = pipe(
        prompt,
        max_new_tokens=512,
        do_sample=False,  # Use greedy decoding for evaluation consistency
        temperature=None,
        top_p=None,
        top_k=None,
    )
    
    full_text = outputs[0]["generated_text"]
    return extract_model_response(full_text)

# Example usage with real outputs
test_inputs = [
    "كيف حالكي اليوم؟",
    "وجدنا سبعون حالة",
    "جاء في تسعة و سبعين سورة.",
    "لاكن ما رايكم",
]

for text in test_inputs:
    corrected = correct_arabic_text(text)
    print(f"Original: {text}")
    print(f"Corrected: {corrected}")
    print("-" * 50)

# Expected output:
# Original: كيف حالكي اليوم؟
# Corrected: كيف حالك اليوم؟
# --------------------------------------------------
# Original: وجدنا سبعون حالة
# Corrected: وجدنا سبعين حالة
# --------------------------------------------------
# Original: جاء في تسعة و سبعين سورة.
# Corrected: جاء في تسع وسبعين سورة.
# --------------------------------------------------
# Original: لاكن ما رايكم
# Corrected: لكن ما رأيكم؟
# --------------------------------------------------

Example Corrections

Input (Incorrect)Output (Corrected)Error Type
كيف حالكي اليوم؟كيف حالك اليوم؟Gender agreement
وجدنا سبعون حالةوجدنا سبعين حالةNumber declension
جاء في تسعة و سبعين سورة.جاء في تسع وسبعين سورة.Number gender + spacing
لاكن ما رايكملكن ما رأيكم؟Spelling + punctuation

Model Details

Training Data

  • Dataset: Custom Arabic GEC dataset
  • Training Epochs: 7
  • Base Architecture: Gemma 3 1B parameters

Performance

  • Designed for Modern Standard Arabic (MSA).
  • Handles common grammatical errors.

Limitations

  • Primarily trained on Modern Standard Arabic
  • May not handle dialectical Arabic variations optimally
  • Performance may vary with very long texts (>512 tokens)
  • Context-dependent corrections may sometimes be imperfect

Use Cases

  • Educational Tools: Helping Arabic learners with gender agreement and number declension
  • Content Creation: Proofreading Arabic content for grammatical accuracy
  • Text Processing: Preprocessing Arabic text for downstream NLP tasks
  • Writing Assistance: Supporting writers with:
    • Proper number-noun agreement
    • Correct case declensions
    • Spelling standardization
    • Punctuation normalization
  • Academic Writing: Ensuring grammatical correctness in formal Arabic texts

Training Details

  • Fine-tuning Framework: Unsloth
  • Base Model: Gemma 3 1B
  • Training Epochs: 7
  • Optimization: Memory-efficient fine-tuning techniques

Citation

If you use this model in your research or applications, please cite:

@misc{gemma3-arabic-gec-v1,
  title={Gemma 3 1B Arabic Grammatical Error Correction v1},
  author={Bahjat Al Mostafa},
  organization={Alnnahwi},
  year={2025},
  publisher={Hugging Face},
  url={https://huggingface.co/alnnahwi/gemma-3-1b-arabic-gec-v1},
  website={https://alnnahwi.com/}
}

License

This model is released under the same license as the base Gemma model. Please refer to Google's Gemma license for usage terms and conditions.

Important: This model is based on Google's Gemma and is subject to Google's AI Principles and licensing terms.

Acknowledgments

  • Built upon Google's Gemma 3 1B model
  • Fine-tuned using Unsloth framework
  • Trained for Arabic Grammatical Error Correction
  • Developed by Bahjat Al Mostafa at Alnnahwi
  • Visit Alnnahwi for more Arabic NLP resources

Contact

Author: Bahjat Al Mostafa @Bahjat Email: almostafa.bahjat@gmail.com
Organization: Alnnahwi
Website: https://alnnahwi.com/

For questions, issues, or collaboration opportunities, please open an issue in this repository or visit our website.


Model Version: v1.0.0
Last Updated: May 2025
Model Size: ~2.0GB

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Gemma3ForCausalLM
Ревизия весов
a769103

0 моделей