/ Модель

Характеристики

Контекст
2 048 токенов
Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Базовая модель
mitra-qwen35-base-stage2
Библиотека
transformers
Опубликована
7 окт 2026

qwen35-mitra-dictionary-annotation

Генерация текстаТекст → текст

Дообученная модель Qwen3.5-9B размечает в переводах фрагменты, соответствующие словам санскритского оригинала, для создания многоязычных буддийских словарей.

179скачиваний за 30 дней0лайковвеса обновлены7 окт 2026

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

buddhist-nlp/qwen35-mitra-dictionary-annotation — дообученная модель Buddhist-NLP на архитектуре Qwen3.5-9B для выравнивания слов в буддийских словарях MITRA-dict. Она получает предложение на санскрите, сегментированное и лемматизированное с помощью ByT5-Sanskrit, и его перевод на тибетский, китайский или английский. Модель копирует перевод и размечает фрагменты, соответствующие каждому слову санскритского источника; слова без ясного соответствия остаются без метки.

Модель обучена полным дообучением на 9 366 размеченных парах предложений в течение трёх эпох. Заявленные link-level F1 на отложенных данных составляют 88,9 для санскритско-тибетских, 89,2 для санскритско-китайских и 86,9 для санскритско-английских пар; эти показатели отражают согласие с разметкой коммерческой LLM, а не подтверждённую корректность. Для работы требуется готовая сегментация и лемматизация санскритского предложения. Архитектура использует формат Qwen3_5ForConditionalGeneration; vision tower не применяется. Лицензия — Apache-2.0.

Сценарии применения

  • выравнивание слов санскритского предложения с тибетским переводом
  • выравнивание санскритских слов с китайским переводом
  • выравнивание санскритских слов с английским переводом
  • подготовка разметки для многоязычных буддийских словарей

Ограничения

Для санскритского входа требуются предварительные сегментация и лемматизация. Метрики оценки показывают согласие с разметкой той же коммерческой LLM, которая создала обучающие метки, а не независимую проверку точности.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

qwen35-mitra-dictionary-annotation

The word aligner behind MITRA-dict, a family of attested Sanskrit to English, Tibetan and Chinese dictionaries.

Given a Sanskrit sentence, segmented and lemmatized with ByT5-Sanskrit, and its translation, the model copies the translation and wraps the span that renders each Sanskrit word in that word's numbered tag. Words without a clear equivalent are left untagged.

Prompt

Insert the numbered tags into the target line, marking the word(s) that translate each numbered source word. Copy the target verbatim and omit numbers without a clear equivalent.

SANSKRIT: <1>evam</1> <2>ca</2> <3>tat</3> <4>karaṇīyam</4>
LEMMAS: <1>evam</1> <2>ca</2> <3>tad</3> <4>kṛ</4>
TIBETAN: དེ་ནི་དེ་ལྟ་བུར་བྱ་སྟེ།
OUTPUT:

Output:

དེ་ནི་<1>དེ་ལྟ་བུར</1>་<4>བྱ</4>་སྟེ།

The target line is TIBETAN:, ENGLISH: or CHINESE: (followed by a CHINESE_SEGMENTED: line with the word-segmented Chinese). Tibetan is given in Unicode. Use greedy decoding and stop at the first newline.

Training

Full fine-tuning of MITRA Qwen3.5-9B (continued pretraining on Sanskrit, Tibetan, Buddhist Chinese and Pāli) for three epochs on 9,366 sentence pairs labelled by a commercial LLM. Directions are Sanskrit to Tibetan, Chinese and English, plus Chinese to Tibetan and English to Tibetan.

Evaluation

Link-level F1 against 1,489 held-out sentence pairs labelled by the same teacher: Sanskrit to Tibetan 88.9, Sanskrit to Chinese 89.2, Sanskrit to English 86.9. These figures measure agreement with the teacher, not correctness.

Format

The weights use the Qwen3_5ForConditionalGeneration layout, which vLLM requires. The vision tower is unused.

Links

Data and evaluation protocol: https://github.com/dharmamitra/dharmamitra-lexicon

Interactive dictionary: https://lexicon.dharmamitra.org

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5ForConditionalGeneration
Ревизия весов
a4ee94e

0 моделей