/ Модель

Характеристики

Контекст
512 токенов
Параметры
145 млн
Лицензия
MIT
Архитектура
bert · dense
Опубликована
24 мар 2026

viBERT-base

Заполнение пропусковТекст → текст5 профессий

Вьетнамская BERT-модель для заполнения пропусков, получения текстовых представлений и дообучения под задачи NLP.

81скачиваний за 30 дней1лайквеса обновлены25 мар 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

viBERT-base — вьетнамская языковая модель, опубликованная mainguyen9. Это модель семейства BERT-base с предобучением в стиле RoBERTa на вьетнамской части CC-100 и дополнительном вьетнамском корпусе. Она содержит 144,8 млн параметров, принимает последовательности длиной до 512 токенов и доступна в форматах PyTorch и Safetensors под лицензией MIT.

Модель предназначена для заполнения пропусков в тексте и получения контекстных представлений, а также для дообучения под задачи обработки вьетнамского языка: распознавание именованных сущностей, классификацию текста и ответы на вопросы. В README приведены результаты дообученных вариантов для NER, определения языкового следования и выявления языка ненависти; это не гарантирует такие результаты у исходного чекпойнта без дополнительной настройки.

Основное ограничение — обучение преимущественно на вьетнамском языке, поэтому качество на смешанном тексте может быть ниже. Максимальная длина последовательности составляет 512 токенов.

Сценарии применения

  • Заполнение пропущенных слов во вьетнамском тексте
  • Получение эмбеддингов для поиска и сравнения вьетнамских текстов
  • Дообучение для распознавания именованных сущностей
  • Дообучение для классификации вьетнамских текстов
  • Дообучение для ответов на вопросы по вьетнамскому тексту

Ограничения

Модель обучалась преимущественно на вьетнамском тексте, поэтому качество на смешанном тексте может снижаться. Максимальная длина последовательности — 512 токенов.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

viBERT-base

A Vietnamese RoBERTa-based language model pre-trained on CC-100 Vietnamese and custom Vietnamese corpus.

Model Description

viBERT-base is a BERT-base architecture model trained with RoBERTa-style pre-training on Vietnamese text data. It can be used for various Vietnamese NLP downstream tasks such as Named Entity Recognition, Text Classification, Question Answering, and more.

Model Architecture

ParameterValue
ArchitectureBERT-base
Hidden size768
Attention heads12
Hidden layers12
Vocab size41,035
Max sequence length512
Parameters~110M

Training Data

  • CC-100 Vietnamese: Large-scale web crawl data
  • Custom Vietnamese corpus: Additional curated Vietnamese text

Usage

Feature Extraction

from transformers import AutoModel, AutoTokenizer

# Load model and tokenizer
tokenizer = AutoTokenizer.from_pretrained("mainguyen9/viBERT-base")
model = AutoModel.from_pretrained("mainguyen9/viBERT-base")

# Encode text
text = "Xin chào Việt Nam"
inputs = tokenizer(text, return_tensors="pt")
outputs = model(**inputs)

# Get embeddings
last_hidden_state = outputs.last_hidden_state

Masked Language Modeling

from transformers import pipeline

fill_mask = pipeline("fill-mask", model="mainguyen9/viBERT-base")
result = fill_mask("Hà Nội là [MASK] đô của Việt Nam.")
print(result)

Fine-tuning for NER

from transformers import AutoModelForTokenClassification, AutoTokenizer

model = AutoModelForTokenClassification.from_pretrained(
    "mainguyen9/viBERT-base",
    num_labels=num_labels
)
tokenizer = AutoTokenizer.from_pretrained("mainguyen9/viBERT-base")

Benchmark Results

TaskDatasetMetricScore
NERPhoNER_COVID19F189.38
NLIXNLI VietnameseAccuracy71.06
Hate SpeechViHSDAccuracy87.89

NER Performance Details (PhoNER_COVID19)

Fine-tuned with 5 epochs, batch size 32, learning rate 2e-5.

Entity TypePrecisionRecallF1-ScoreSupport
AGE90.9197.2793.98586
DATE98.2099.1798.683,026
GENDER89.9692.2391.08476
JOB66.5951.7558.24570
LOCATION88.5291.3389.9010,845
NAME94.0990.5692.291,388
ORGANIZATION77.0278.0577.531,640
PATIENT_ID95.6198.5497.052,120
SYMPTOM_AND_DISEASE82.8474.7078.562,158
TRANSPORTATION85.6391.4188.43489
Micro Average89.0989.6989.3823,298

NLI Performance (XNLI Vietnamese)

Fine-tuned with 5 epochs, batch size 64, learning rate 2e-5.

MetricScore
Accuracy71.06%
F1 (macro)71.02%

Hate Speech Detection (ViHSD)

Fine-tuned with 5 epochs, batch size 8, learning rate 2e-5.

ClassPrecisionRecallF1-ScoreSupport
CLEAN91.84%96.40%94.06%5,548
OFFENSIVE51.86%40.77%45.65%444
HATE67.32%49.71%57.19%688
Accuracy87.89%6,680
Macro Avg70.34%62.29%65.63%6,680

Limitations

  • Primarily trained on Vietnamese text; performance may vary for code-mixed text
  • 512 token maximum sequence length

Citation

@misc{vibert-base,
  author = {Mai Nguyen},
  title = {viBERT-base: A Vietnamese RoBERTa Model},
  year = {2024},
  publisher = {Hugging Face},
  url = {https://huggingface.co/mainguyen9/viBERT-base}
}

License

MIT License

Как запустить

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

GPU в ailist

Универсальный рантайм · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры
BertModel
Ревизия весов
6c2a939

0 моделей