/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
2 млрд
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-1.7B-Base
Библиотека
transformers
Опубликована
23 сен 2026

AraToken-Qwen3-1.7B-LEP

Генерация текстаТекст → текст3 профессии

Дообученная на арабском Qwen3-1.7B с расширенным словарём AraToken для генерации арабского текста с улучшенной токенизацией.

345скачиваний за 30 дней0лайковвеса обновлены23 сен 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

AraToken-Qwen3-1.7B-LEP — языковая модель mariklolik, созданная на основе Qwen3-1.7B-Base для улучшения работы с арабским текстом. Это плотная авторегрессионная модель семейства Qwen3 с 2 млрд параметров и контекстом до 32 768 токенов; веса распространяются в формате safetensors и загружаются через Transformers.

Модель использует расширение словаря AraToken: добавлено 130 890 строк эмбеддингов, инициализированных гибридным методом, при этом исходные строки эмбеддингов заморожены, а слои трансформера 24–27 обучались. Токенизатор включает нормализацию арабского текста: NFKC, удаление татвиля и диакритических знаков, преобразование цифр к западной записи и обработку латинской пунктуации. Это подходит для генерации арабского текста и сценариев, где важна эффективная токенизация арабской письменности. В описанном тесте модель показала BPC 1,2598 на арабском тексте против 1,2672 у варианта CPT с исходным токенизатором.

Лицензия — Apache-2.0. Оценка производительности в карточке относится к конкретному тестовому набору и не гарантирует качество на других данных; модель специально адаптирована к арабскому языку, а README не описывает её как чат-модель.

Сценарии применения

  • генерация арабского текста
  • продолжение арабских текстов
  • оценка языкового моделирования арабского текста
  • эксперименты с токенизацией арабской письменности

Ограничения

Показатель BPC приведён для ограниченной выборки тестового набора и не гарантирует качество на других корпусах. Модель адаптирована прежде всего к арабскому тексту; README не заявляет чат- или инструкционное поведение.

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

AraToken-Qwen3-1.7B-LEP

Qwen3-1.7B-Base adapted to Arabic with LEP. The 130,890 new embedding rows were initialized with the hybrid estimate ½(compositional + analogical). The model was trained for 2,000 steps (196M tokens, batch 96 × 1,024), with the original embedding rows frozen and transformer layers 24–27 trainable.

Paper: AraToken: Optimizing Arabic Tokenization with Normalization Pipeline and Language Extension for Qwen3. Code: https://github.com/mariklolik/Aratoken.

ModelArabic BPC ↓
Qwen3-1.7B-Base1.3313
CPT with the original tokenizer (mariklolik/AraToken-Qwen3-1.7B-CPT)1.2672
this model1.2598

The difference to CPT is significant at p < 0.001 (paired bootstrap over test documents).

BPC is bits per character on the first 1,500 documents of the held-out test split of mariklolik/AraToken-FineWeb2-HQ-ar. It compares models with different vocabularies on the same characters.

from transformers import AutoModelForCausalLM, AutoTokenizer

repo = "mariklolik/AraToken-Qwen3-1.7B-LEP"
tokenizer = AutoTokenizer.from_pretrained(repo)
model = AutoModelForCausalLM.from_pretrained(repo, torch_dtype="bfloat16")

The tokenizer carries the AraToken normalizer: NFKC, Tatweel removal, Western digits, Latin punctuation and diacritics removal. Raw Arabic text can therefore be passed to it directly.

Citation

@article{kashirskiy2025aratoken,
  title   = {AraToken: Optimizing Arabic Tokenization with Normalization Pipeline and Language Extension for Qwen3},
  author  = {Kashirskiy, Mark and Lipinski, Artiom and Makarov, Ilya},
  journal = {arXiv preprint arXiv:2512.18399},
  year    = {2025}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
e2030ca

0 моделей