/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
transformers
Опубликована
20 июл 2026

AraNeoBERT-v4

Заполнение пропусковТекст → текст3 профессии

Арабоязычный энкодер NeoBERT на 297 млн параметров для заполнения пропусков и дообучения на задачах анализа текста.

18скачиваний за 30 дней0лайковвеса обновлены2 окт 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

AraNeoBERT-v4 — арабоязычный энкодер на 297 млн параметров, разработанный вместе с исследовательской группой профессора Мустафы Джаррара. Модель семейства NeoBERT/ModernBERT предварительно обучена предсказанию замаскированных токенов на смеси веб-текстов, диалектных данных, новостей и книг; в обучающей смеси 15,5% приходилось на диалектные тексты. Архитектура включает 28 слоёв, чередование локального и глобального внимания, RoPE, токенизатор SentencePiece на 64 тыс. токенов и контекст до 4096 токенов.

Модель предназначена для заполнения пропусков в арабском тексте и как база для дообучения на задачах анализа тональности и распознавания именованных сущностей. В бенчмарках дообученных моделей она показала конкурентные результаты по тональности; оценка NER была нестабильной в одном из трёх запусков дообучения. Для загрузки через Transformers требуется включить доверенную загрузку пользовательского кода. Лицензия — Apache-2.0; README также характеризует модель как исследовательский артефакт.

Сценарии применения

  • Заполнение пропущенных слов в арабских предложениях
  • Дообучение классификатора тональности арабских отзывов
  • Дообучение модели для распознавания именованных сущностей в арабских текстах

Ограничения

Для загрузки в Transformers требуется trust_remote_code=True. Результаты NER при дообучении нестабильны: в одном из трёх запусков произошёл срыв обучения.

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

AraNeoBERT v4

A 297M-parameter modern Arabic encoder (NeoBERT/ModernBERT-style) pretrained with MLM for 220,000 steps (57.7B tokens, 1.5 epochs) on a much larger deduped AraMix web backbone + dialect/OSIAN/news/books blend (15.5% dialect by mixture weight). 28 layers, hidden 768, 12 heads; alternating local/global attention (window 128, global every 3 layers), QK-Norm, RoPE (dual theta 10k local / 160k global), FlexAttention + sequence packing, StableAdamW, WSD schedule, EMA (0.999, exported weights are the EMA shadow), three-phase length curriculum (1024 -> 4096). 64k SentencePiece Unigram tokenizer with web_canonical normalization baked into the fast tokenizer.

Held-out AraMix MLM pseudo-perplexity: 11.37 @ seq 4096, mask 0.30 (step 197k, last point before the final low-mask decay phase); 5.46 @ mask 0.15 at the finished step 220k (decay-phase eval, not directly comparable to the 0.30 number above or to earlier runs' 0.30-mask figures).

Usage

This model uses custom modeling code — load with trust_remote_code=True:

from transformers import AutoTokenizer, AutoModelForMaskedLM
tok = AutoTokenizer.from_pretrained("miweru/AraNeoBERT-v4")
model = AutoModelForMaskedLM.from_pretrained("miweru/AraNeoBERT-v4", trust_remote_code=True)

AutoModel, AutoModelForMaskedLM, AutoModelForSequenceClassification and AutoModelForTokenClassification heads are registered.

Downstream benchmark (finetuned, identical recipe across models, 3 seeds: 13/17/23)

TaskAraNeoBERT-v4AraBERT v2AraModernBERTMARBERT
AJGT sentiment (macro-F1)0.92960.91470.90640.9444
ArSarcasm sentiment (macro-F1)0.74310.71380.70570.7463
ANERcorp NER (entity-F1)0.5585*0.75040.69170.7968

* One of the three NER finetuning seeds (seed 17) collapsed during finetuning (entity-F1 0.045, a finetuning-run instability, not a base-model signal); the other two seeds scored 0.808 and 0.823 — above AraBERT v2 and AraModernBERT, approaching MARBERT. The reported mean includes the collapsed run for transparency; treat the 2-seed clean mean (0.815) as the more representative number pending a rerun of seed 17.

Competitive with/ahead of AraBERT v2 and AraModernBERT on sentiment, essentially tied with MARBERT there; strong on NER once the one unstable finetuning seed is set aside.

Research artifact; private. Built with Prof. Mustafa Jarrar's group.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · fill-mask

Нельзя запустить

Доступ к модели ограничен автором; у платформы нет доступа к весам.

Ревизия весов
d24f59c

0 моделей