/ Модель

Характеристики

Контекст
130 токенов
Параметры
41,5 млн
Лицензия
Apache 2.0
Архитектура
roberta · dense
Библиотека
transformers
Опубликована
26 июл 2026

kurdish-roberta

Заполнение пропусковТекст → текст3 профессии

Компактная RoBERTa-модель для сорани, предназначенная для заполнения пропусков и дообучения на задачах обработки курдского текста.

29скачиваний за 30 дней0лайковвеса обновлены26 июл 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

haryads/kurdish-roberta — языковая модель RoBERTa для центральнокурдского языка (сорани), созданная разработчиком haryads. Модель обучена с нуля на корпусе из 1 млн предложений; использует собственный байтовый BPE-токенизатор на 32 тыс. токенов. Это masked language model с 6 слоями и размером скрытого состояния 512, предназначенная прежде всего как основа для дообучения на курдских задачах. В Transformers доступна задача fill-mask; модель содержит 41,5 млн параметров и принимает контекст длиной до 130 токенов.

Модель подходит для заполнения пропусков в тексте и может служить основой для дообучения на классификацию, распознавание сущностей и построение эмбеддингов для сорани. Это не instruct- и не чат-модель. Обучающий корпус преимущественно состоит из новостных текстов, поэтому разговорные и узкоспециализированные тексты могут требовать дополнительного дообучения. Распространяется по лицензии Apache-2.0.

Сценарии применения

  • заполнение пропусков в текстах на сорани
  • дообучение классификатора текстов на сорани
  • распознавание именованных сущностей в курдских текстах после дообучения
  • создание эмбеддингов курдских предложений после дообучения

Ограничения

Модель предназначена только для сорани и не является чат- или instruct-моделью. Новостной уклон обучающего корпуса может ухудшать работу с разговорными и узкоспециализированными текстами; для конкретных задач рекомендуется дообучение.

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

Kurdish Sorani RoBERTa

A RoBERTa language model for Central Kurdish (Sorani), trained from scratch on a 1-million-sentence Kurdish corpus with a custom 32k Kurdish BPE tokenizer. It's a masked-language model meant as a base for fine-tuning on Kurdish tasks (classification, NER, embeddings, and so on).

It's the base model behind haryads/kurdish-sentence-embeddings.

Usage

from transformers import pipeline

fill = pipeline("fill-mask", model="haryads/kurdish-roberta")
fill("زمانی کوردی زۆر <mask> ە")

Or load it directly to fine-tune:

from transformers import AutoModel, AutoTokenizer

tok = AutoTokenizer.from_pretrained("haryads/kurdish-roberta")
model = AutoModel.from_pretrained("haryads/kurdish-roberta")

Architecture

TypeRoBERTa (masked LM)
Layers6
Hidden size512
Attention heads8
Max sequence length128
Vocab size32,000
Parameters~35M

Training

  • Corpus: 1M Sorani sentences
  • Tokenizer: custom 32k byte-level BPE for Kurdish
  • Objective: masked language modeling (15% masking)

Intended use and limits

A base model, not an instruct or chat model. Best used fine-tuned for a specific Kurdish task. Sorani only, and the corpus is news-heavy, so very colloquial or domain-specific text may need in-domain fine-tuning.

License

Apache-2.0.

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
a1b05fc

0 моделей