/ Модель

Характеристики

Контекст
8 192 токена
Параметры
135 млн
Лицензия
MIT
Архитектура
modernbert · dense
Базовая модель
ModernBERT-base
Библиотека
transformers
Опубликована
16 мар 2025

modernbert-base-tr-uncased

Заполнение пропусковТекст → текст4 профессии

Турецкая encoder-модель ModernBERT для восстановления замаскированных токенов и построения систем понимания текста.

106скачиваний за 30 дней13лайковвеса обновлены16 мая 2025

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

Artiwise ModernBERT Base Turkish Uncased — турецкая адаптация encoder-only модели ModernBERT, разработанная Artiwise и дообученная от answerdotai/ModernBERT-base на турецкой части набора CulturaX. Модель содержит 134,9 млн параметров, использует архитектуру ModernBERT и поддерживает контекст до 8192 токенов. Основная задача — предсказание замаскированных токенов; архитектура также подходит для построения классификаторов текста и разметки последовательностей.

Модель предназначена для турецкоязычного понимания текста: восстановления пропусков, анализа отзывов, ответов на вопросы и обработки специализированных текстов, включая биомедицинские. В README приведены результаты сравнения с турецкими BERT-моделями на задачах с разными долями маскирования; эти результаты относятся к описанным авторам экспериментам. Для работы нужны PyTorch не ниже 2.6.0 и Transformers не ниже 4.50.0. В карточке указана лицензия MIT.

Сценарии применения

  • восстановление пропущенных слов в турецком тексте
  • подготовка признаков для классификации турецких отзывов
  • разметка токенов в турецких текстах
  • оценка понимания турецкого текста через предсказание замаскированных токенов
  • обработка турецких биомедицинских текстов

Ограничения

Для корректной работы требуются PyTorch версии 2.6.0 или новее и Transformers версии 4.50.0 или новее. В README отмечена проблема токенизатора с флагом do_lower_case=True и рекомендуется предварительно приводить текст к нижнему регистру с учетом турецкой буквы ı.

Для каких профессий подходит4

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

Artiwise ModernBERT - Base Turkish Uncased

trmodernbert.webp

We present Artiwise ModernBERT for Turkish 🎉. A BERT model with modernized architecture and increased context size. (Older BERT models 512 --> ModernBERT 8192).

This model is a Turkish adaptation of ModernBERT, fine-tuned from answerdotai/ModernBERT-base using only the Turkish part of CulturaX.

Stats

  • Training Data: CulturaX 192GB (tr)
  • Base Model: answerdotai/ModernBERT-base

Benchmark

The benchmark results below demonstrate that Artiwise ModernBERT consistently outperforms existing Turkish BERT variants across multiple domains and masking levels, highlighting its superior generalization capabilities.

Dataset & Mask LevelArtiwise Modern Bertytu-ce-cosmos/turkish-base-bert-uncaseddbmdz/bert-base-turkish-uncased
QA Dataset (5% mask)74.5060.8448.57
QA Dataset (10% mask)72.1858.7546.29
QA Dataset (15% mask)69.4656.5044.30
Review Dataset (5% mask)62.6748.5735.38
Review Dataset (10% mask)59.6045.7733.04
Review Dataset (15% mask)56.5143.0531.05
Biomedical Dataset (5% mask)58.1150.7840.82
Biomedical Dataset (10% mask)55.5548.3738.51
Biomedical Dataset (15% mask)52.7145.8236.44

For each dataset (QA, Reviews, Biomedical) and each masking level (5 %, 10 %, 15 %), we randomly masked the specified percentage of tokens in every input example and then measured each model’s ability to correctly predict those masked tokens. All models were in bfloat16 precision.

Our experiments used three datasets: the Turkish Biomedical Corpus, the Turkish Product Reviews dataset, and the general‑domain QA corpus turkish_v2.

Model Usage

Note: Torch version must be >= 2.6.0 and transformers version>=4.50.0 for the model to function properly. Also Don't use the do_lower_case = True flag with the tokenizer. Instead, convert your text to lower case as follows:

text.replace("I", "ı").lower()

This is due to a known issue with the tokenizer.

Load the model with 🤗 Transformers:

from transformers import AutoTokenizer, AutoModelForMaskedLM
import torch

# Load the model and tokenizer
tokenizer = AutoTokenizer.from_pretrained("artiwise-ai/modernbert-base-tr-uncased")
model = AutoModelForMaskedLM.from_pretrained("artiwise-ai/modernbert-base-tr-uncased")

# Example sentence with masked token
text = "Türkiye'nin başkenti [MASK]'dır."
text.replace("I", "ı").lower()

# Tokenize and prepare input
inputs = tokenizer(text, return_tensors="pt")

# Get the position of the masked token
mask_token_index = torch.where(inputs["input_ids"] == tokenizer.mask_token_id)[1]

# Forward pass
with torch.no_grad():
    outputs = model(**inputs)

# Get the predictions for the masked token
logits = outputs.logits
mask_token_logits = logits[0, mask_token_index, :]
top_5_tokens = torch.topk(mask_token_logits, 5, dim=1).indices[0].tolist()

# Print the predictions
print(f"Original text: {text}")
print("Top 5 predictions for [MASK]:")
for token in top_5_tokens:
    print(f"- {tokenizer.decode([token])}")

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
ModernBertForMaskedLM
Ревизия весов
fe2ec5f

0 моделей