/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
1,3 млрд
Лицензия
Apache 2.0
Архитектура
llama · dense
Библиотека
transformers
Опубликована
19 янв 2026

NBR-1B-Portuguese-MCQ

Генерация текстаТекст → текст3 профессии

Дообученная модель Llama примерно на 1,3 млрд параметров для генерации ответов на тестовые вопросы на бразильском португальском языке.

533скачиваний за 30 дней0лайковвеса обновлены19 янв 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

NBR-1B-Portuguese-MCQ — языковая модель, разработанная для ответов на вопросы с выбором варианта на португальском языке, прежде всего в бразильском образовательном контексте. Модель основана на архитектуре LlamaForCausalLM: это плотная трансформерная модель примерно на 1,3 млрд параметров с контекстом до 4096 токенов, предназначенная для генерации текста и доступная в формате safetensors через библиотеку Transformers.

Модель дообучена методом supervised fine-tuning на бразильских образовательных материалах, юридических текстах для подготовки к экзамену OAB и наборах вопросов и ответов по общим знаниям. В карточке приведены результаты на ENEM, OAB и BLUEX, а также на тесте анализа тональности tweetSentBR; эти показатели заявлены авторами и относятся к указанному протоколу оценки. Лицензия Apache 2.0.

Сценарии применения

  • ответы на вопросы с выбором варианта для подготовки к ENEM
  • подготовка к экзамену OAB по юридическим материалам
  • решение вопросов бразильских вступительных экзаменов
  • генерация ответов на вопросы по общим знаниям на португальском языке
  • оценка тональности коротких текстов на португальском языке

Ограничения

Модель оптимизирована для вопросов с выбором ответа и образовательных сценариев на бразильском португальском; для задачи семантического сходства ASSIN2 её результаты ограничены.

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

NBR-1B-Portuguese-MCQ

O melhor modelo ~1B parametros para questoes de multipla escolha em Portugues.

Highlights

  • #1 em ENEM (30.53%) - Vestibular brasileiro
  • #1 em OAB (49.70%) - Exame da Ordem dos Advogados
  • #1 em BLUEX (36.54%) - Vestibulares universitarios
  • #1 em tweetSentBR (39.70%) - Analise de sentimento

Benchmarks

BenchmarkScoreRanking
ENEM30.53%#1
OAB Exams49.70%#1
BLUEX36.54%#1
TweetSentBR39.70%#1
FAQUAD NLI45.55%Top 3
HateBR43.18%Top 5
PT Hate Speech41.99%Top 5
ASSIN2 RTE34.27%-
ASSIN2 STS0.99%-
Average35.83%-

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained("limajr/NBR-1B-Portuguese-MCQ")
tokenizer = AutoTokenizer.from_pretrained("limajr/NBR-1B-Portuguese-MCQ")

Model Details

  • Architecture: LlamaForCausalLM
  • Parameters: ~1.5B
  • Hidden Size: 2048
  • Layers: 24
  • Attention Heads: 16
  • Language: Portuguese (pt-BR)
  • Training: Supervised Fine-Tuning on Brazilian educational content
  • License: Apache 2.0

Training Data

Fine-tuned on curated Portuguese datasets including:

  • Brazilian educational materials
  • Legal texts (OAB preparation)
  • General knowledge QA

Evaluation

Evaluated on the Open PT LLM Leaderboard using the standard evaluation protocol.

Limitations

  • Optimized for multiple choice questions
  • ASSIN2 STS (semantic similarity) performance is limited
  • Best used for Portuguese educational contexts

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
961c68e

0 моделей