/ Модель

Характеристики

Контекст
512 токенов
Параметры
205 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Базовая модель
bert-base-multilingual-cased
Библиотека
transformers
Опубликована
13 авг 2026

kuosbert-from_multilingual

Заполнение пропусковТекст → текст3 профессии

Дообученная многоязычная BERT-модель для предсказания замаскированных слов в тексте.

11скачиваний за 30 дней0лайковвеса обновлены13 авг 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

kuosbert-from_multilingual — дообученная модель BERT для восстановления замаскированных слов в тексте. Она основана на google-bert/bert-base-multilingual-cased, содержит 205,1 млн параметров и использует архитектуру BertForMaskedLM. Модель принимает текст с маской и предсказывает подходящее слово на её месте; длина контекста — до 512 токенов.

Модель подходит для подстановки пропущенных слов и анализа контекстных вариантов в многоязычном тексте. В README указана оценка Loss 1,7454 на тестовой выборке, но не описаны датасет, языковой состав или методика оценки. Лицензия — Apache-2.0.

Сценарии применения

  • восстановление пропущенного слова в предложении
  • подбор контекстного продолжения для маски в тексте
  • анализ вероятных вариантов слова в многоязычном тексте

Ограничения

В README не описаны обучающий датасет и языковой состав дообучения; приведён только результат Loss 1,7454 без подробностей методики оценки.

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

kuosbert-from_multilingual

This model is a fine-tuned version of google-bert/bert-base-multilingual-cased on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 1.7454

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 5e-05
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: linear
  • num_epochs: 5

Training results

Training LossEpochStepValidation Loss
No log0.47282002.6289
No log0.94564002.3204
No log1.41846002.1676
No log1.89138002.0454
No log2.364110001.9959
No log2.836912001.8971
No log3.309714001.8391
No log3.782516001.8147
No log4.255318001.7587
No log4.728120001.7454

Framework versions

  • Transformers 4.57.3
  • Pytorch 2.11.0+cu128
  • Datasets 4.0.0
  • Tokenizers 0.22.2

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры
BertForMaskedLM
Ревизия весов
e38bb0c

0 моделей