/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
char_bert · dense
Библиотека
transformers
Опубликована
2 авг 2026

Stoicheia-fold-4

Заполнение пропусковТекст → текст3 профессии

Символьный masked-diffusion энкодер для анализа и восстановления древнегреческих текстов с пропусками и разными вариантами записи.

12скачиваний за 30 дней0лайковвеса обновлены2 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

Stoicheia literary fold 4 — анонимно выпущенный чекпойнт для анализа древнегреческих текстов. Это символьный masked-diffusion encoder на 405 млн параметров с архитектурой char-level BERT: 32 слоя, размерность d_model 1024 и чередование локального внимания в окне 256 символов с глобальным вниманием. Вход разделён на пять выровненных слоёв: буквы, границы слов и предложений, диакритика, регистр и пунктуация; каждый слой можно независимо маскировать, задавая неизвестные значения.

Модель предназначена для восстановления пропусков и анализа вариантов записи, включая отредактированный текст, scriptio continua и лакуны неизвестной длины. Чекпойнт fold 4 исключал из обучения тестовую часть своего литературного корпуса и рассчитан на оценку обобщения на ранее не встречавшихся текстах. Выпущен анонимно вместе со статьёй на рецензировании. Лицензия Apache-2.0.

Сценарии применения

  • восстановление замаскированных символов в древнегреческом тексте
  • анализ текста с лакунами неизвестной длины
  • обработка древнегреческой записи scriptio continua
  • работа с текстом при независимо скрытых диакритических знаках или пунктуации
  • оценка обобщения модели на литературных текстах, исключённых из обучения

Ограничения

Чекпойнт обучался на литературном корпусе и не предназначен для документальных текстов: для них авторы описывают отдельную модель Stoicheia-doc_clean. README не сообщает о тестировании на современных греческих текстах.

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

Stoicheia -- literary fold 4

Stoicheia is a 405M-parameter character-level masked-diffusion encoder for Ancient Greek (d_model 1024, depth 32, banded attention: three of every four blocks attend within a 256-character window, the fourth globally). Its input is factored into five aligned planes -- letters, word/sentence boundaries, diacritics, capitalization, punctuation -- each of which can be masked independently to an explicit unknown state at inference. That is what lets one model read an edited text, scriptio continua, and a lacuna of unknown length without changing anything but its input.

Anonymous release accompanying a paper under review.

This is the backbone for fold 4: the tenth of the literary corpus assigned to fold 4's test zone was excluded from its training data, so this checkpoint has provably never read it.

What this checkpoint has not read

Ten literary folds rotate an 80/10/10 split built by a 13-stage pipeline that clusters records into editions of the same work -- by canonical identifier where one exists, by duplicate-aware content matching where it does not -- and then excises from each fold's training data every sentence colliding with its held-out zones (exact and reordered duplicates, word 5-grams, document-level near-duplicates). The guarantee is exact at the fold level: for any passage of the open corpus, at least one released checkpoint has provably never seen it, which is what makes it possible to interrogate a transmitted text with a model that cannot merely be recalling it.

Stoicheia-doc_clean extends the same discipline to documentary text: every inscription and papyrus is excluded, along with anything a contamination screen flags as quoting one.

Usage

import torch
from transformers import AutoModel
from huggingface_hub import hf_hub_download

REPO = "anonymous-stoicheia/Stoicheia-fold-4"
model = AutoModel.from_pretrained(REPO, trust_remote_code=True).eval()

# `trust_remote_code` loads the model classes, but the processor is a separate helper:
# fetch it into the working directory before importing it.
hf_hub_download(repo_id=REPO, filename="processing_char_bert.py", local_dir=".")
from processing_char_bert import CharBertProcessor

proc = CharBertProcessor()

# a gap of uncertain width in unaccented scriptio continua: "[N±M]" scores every width
# in N-M..N+M by the model's own confidence, and restores accents and word division too
text = "εναρχηηνο[5±3]καιολογοςηνπροστονθεον"
best, width, candidates = proc.restore_elastic(model, text, mask_dia_boundary=True)
print(best)     # ἐν ἀρχῇ ἦν ὁ λόγος, καὶ ὁ λόγος ἦν πρὸς τὸν θεόν.
print(width)    # 5 -- the width the model judged most likely

Checkpoint provenance

This is the step with the best held-out bits-per-character (step 108,001), not the last step reached: pretraining is dev-driven, so the eleven backbones stop at different points (78K--122K). training_metadata.json in this repo carries the training configuration.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · fill-mask

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Ревизия весов
e8e7596

0 моделей