/ Модель

Характеристики

Контекст
514 токенов
Параметры
152 млн
Лицензия
MIT
Архитектура
roberta · dense
Базовая модель
roberta-base
Библиотека
transformers
Опубликована
26 фев 2026

ManufactuBERT

Заполнение пропусковТекст → текст3 профессии

Англоязычная RoBERTa, дообученная на промышленных текстах для восстановления скрытых слов и адаптации к задачам NLP в производстве и промышленной инженерии.

112скачиваний за 30 дней1лайквеса обновлены29 апр 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

ManufactuBERT — англоязычная модель RoBERTa-base, разработанная Робином Арменго и Ромариком Безансоном из Université Paris-Saclay и CEA List. Модель непрерывно предварительно обучена на текстах о производстве и промышленной инженерии, чтобы лучше представлять специализированную отраслевую лексику и помогать адаптировать языковые системы к промышленным задачам.

Базовое обучение использовало корпус Manu-FineWeb — отобранную часть FineWeb. Итоговая версия обучалась на очищенном наборе примерно из 2 млрд токенов после дедупликации; архитектура RoBERTa-base содержит около 151,8 млн параметров и принимает последовательности длиной до 514 токенов. Основной режим применения — восстановление скрытых слов; модель также показала результаты на распознавании сущностей, классификации предложений и извлечении отношений в промышленных и материаловедческих наборах данных. Лицензия — MIT.

Сценарии применения

  • восстановление пропущенных слов в производственных текстах
  • адаптация языковой модели для распознавания сущностей в промышленных документах
  • классификация предложений о производстве и материалах
  • извлечение отношений между промышленными сущностями
  • дообучение классификаторов на англоязычных текстах промышленной инженерии

Ограничения

Основной сценарий модели — восстановление скрытых токенов; для распознавания сущностей, классификации и извлечения отношений потребуется дообучение под конкретную задачу. Контекст ограничен 514 токенами.

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

ManufactuBERT

Specialized RoBERTa-base model continually pretrained on a high-quality corpus specifically curated for the manufacturing domain. By employing a rigorous data selection and deduplication pipeline, ManufactuBERT achieves state-of-the-art performance on industrial NLP tasks while being more efficient to train than standard domain-adapted models.

Model Details

  • Developed by: Robin Armingaud and Romaric Besançon (Université Paris-Saclay, CEA, List)
  • Language: English
  • Domain: Manufacturing and Industrial Engineering

Training Data

The first ManufactuBERT model was continually pretrained on Manu-FineWeb, a 10-billion-token subset of the FineWeb dataset. The final model version used a further refined version (~2 billion tokens) created through a multi-stage process using MinHash and SemDeDup to remove approximately 80% of redundant data. This process accelerated convergence by approximately 33% compared to the non-deduplicated version.

Named Entity Recognition (NER)

ModelMat. Syn.FabNERSOFCSOFC SlotMatScholarChemdNERAvg.
RoBERTa73.1282.4882.5469.5284.0490.5080.37
MatSciBERT76.5083.8882.1072.6085.8892.0082.16
ManufactuBERT75.0484.0084.4073.6886.7691.9282.63

Sentence Classification & Relation Extraction

ModelMat. Syn. (RE)SOFC (SC)Big Patent (SC)Avg.
RoBERTa94.3294.3263.5884.07
MatSciBERT95.4894.7263.8084.67
ManufactuBERT94.6294.6865.8085.03

General Domain Evaluation (GLUE)

The model preserves general language understanding capabilities significantly better than other domain-specific models.

ModelGLUE Avg.
RoBERTa86.35
MatSciBERT77.00
SciBERT78.13
ManufactuBERT81.78

Citation

If you use ManufactuBERT in your research, please cite:

@misc{armingaud2025manufactubertefficientcontinualpretraining,
      title={ManufactuBERT: Efficient Continual Pretraining for Manufacturing}, 
      author={Robin Armingaud and Romaric Besançon},
      year={2025},
      eprint={2511.05135},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2511.05135}, 
}

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
RobertaForMaskedLM
Ревизия весов
ab67bcd

0 моделей