/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
25,3 млн
Лицензия
Apache 2.0
Архитектура
llama · dense
Базовая модель
Emhotob-25M
Библиотека
transformers
Опубликована
18 июл 2026

Emhotob-25M-English-MSA-v1

Генерация текстаТекст → текст3 профессии

Компактная Llama-модель для двустороннего перевода коротких текстов между английским и современным литературным арабским.

164скачиваний за 30 дней0лайковвеса обновлены18 июл 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

Emhotob-25M-English-MSA-v1 — компактная модель генерации текста на архитектуре Llama, разработанная oddadmix и дообученная от oddadmix/Emhotob-25M для двустороннего перевода между английским и современным литературным арабским (MSA, الفصحى). Модель содержит 25,3 млн параметров, принимает текст в формате ChatML и использует системную инструкцию для выбора направления перевода. Контекст — до 2048 токенов.

Модель предназначена для перевода коротких и распространённых фраз в обоих направлениях. В оценке на 3000 отложенных парах с жадным декодированием показала sacreBLEU 40,65 для перевода с английского на MSA и 44,70 для перевода с MSA на английский. По README, на длинных или редких входах возможны отклонения от смысла, повторы и ошибки; грамматический род определяется по контексту. Распространяется по лицензии Apache-2.0.

Сценарии применения

  • перевод коротких фраз с английского на современный литературный арабский
  • перевод коротких текстов с MSA на английский
  • черновой двусторонний перевод распространённых предложений
  • эксперименты с качеством машинного перевода компактных языковых моделей

Ограничения

Лучше работает с короткими и распространёнными предложениями; на длинных и редких входах возможны смысловые отклонения, повторы и ошибки. Грамматический род определяется только по контексту.

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

Emhotob-25M-English-MSA-v1 — Bidirectional English ↔ MSA (~25.3M params)

A 25.3M-parameter model that translates both ways between English and Modern Standard Arabic (الفصحى). A single set of weights serves both directions; a direction-specific system prompt selects which way to translate.

Finetuned from oddadmix/Emhotob-25M, a tiny Llama-architecture base (hidden 384, 8 layers, 6 heads, vocab 32000, tied embeddings).

Scaling study. This is one rung of a from-scratch Arabic scaling study that runs an identical SFT + eval recipe across bases from 0.5M to 50M parameters to locate where translation emerges. On the headline MSA↔Egyptian pair, output is degenerate at ≤1M, becomes real-but-rough at 5M, and usable at 10M+. See the sibling oddadmix/50M-English-MSA-v1 for the fluent reference.

Evaluation

Deterministic held-out set of 3,000 pairs (seed=42), decoded greedily (do_sample=False, no repetition penalty), scored with sacreBLEU:

DirectionsacreBLEUchrF
English → MSA40.6562.42
MSA → English44.7060.68

Saved weights are the best checkpoint by validation loss (eval_loss = 0.703). 20 samples per direction with references are in eval_bidirectional.json.

Example translations

Real greedy-decoded outputs from the held-out set:

English → MSA

SourceModel outputReference
I'm just trying to reassure myself. What's the worst that could happen? It's just mentally exhausting, but they're standأنا فقط أحاول طمأنة نفسي. ما الأسوأ أن يحدث ذلك؟ إنه مرهق عقليًا، لكنهم يقفون بقوة. حقًا، إنهم يقفون بقوة.أنا فقط أحاول أن أطمئن نفسي. ما هو الأسوأ الذي يمكن أن يحدث؟ إنه مرهق عقليًا فقط، لكنهم يقفون بحزم. حقًا، إنهم يقفون بحز
Thank you very much, you are so kind.شكرًا جزيلًا لك، أنت لطيف جدًا.شكرًا جزيلًا لك، أنت لطيف للغاية.

MSA → English

SourceModel outputReference
أنا فقط أحاول أن أطمئن نفسي. ما هو الأسوأ الذي يمكن أن يحدث؟ إنه مرهق عقليًا فقط، لكنهم يقفون بحزم. حقًا، إنهم يقفون بحزI'm just trying to reassure myself. What's the worst can happen? It's just mentally exhausted, but they're standing downI'm just trying to reassure myself. What's the worst that could happen? It's just mentally exhausting, but they're stand
شكرًا جزيلًا لك، أنت لطيف للغاية.Thank you so much, you're so sweet.Thank you very much, you are so kind.

Usage

ChatML format. Pick the system prompt for the direction you want:

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "oddadmix/Emhotob-25M-English-MSA-v1"
tok = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id, dtype=torch.bfloat16).to("cuda").eval()

SYSTEM = "أنت مترجم محترف. ترجم النص الإنجليزي إلى اللغة العربية الفصحى."

def translate(text, system=SYSTEM):
    prompt = (f"<|im_start|>system\n{system}<|im_end|>\n"
              f"<|im_start|>user\n{text.strip()}<|im_end|>\n<|im_start|>assistant\n")
    ids = tok(prompt, return_tensors="pt", add_special_tokens=False).to(model.device)
    if tok.bos_token_id is not None:
        bos = torch.tensor([[tok.bos_token_id]], device=model.device)
        ids["input_ids"] = torch.cat([bos, ids["input_ids"]], dim=1)
        ids["attention_mask"] = torch.cat([torch.ones_like(bos), ids["attention_mask"]], dim=1)
    out = model.generate(**ids, max_new_tokens=256, do_sample=False,
                         eos_token_id=tok.eos_token_id, pad_token_id=tok.pad_token_id)
    return tok.decode(out[0, ids["input_ids"].size(1):], skip_special_tokens=True).strip()

Training

  • Base model: oddadmix/Emhotob-25M (Llama arch, hidden 384, 8 layers, 6 heads, vocab 32000, tied embeddings; 25,271,424 params after resizing for 2 ChatML tokens)
  • Dataset: oddadmix/egyptian-msa-2.9-openai-bytedance-translations
  • Method: HuggingFace Trainer, ChatML, prompt-masked cross-entropy (loss only on the assistant turn). Each row is exploded into two training examples (one per direction).
  • Hyperparameters: 3 epochs · effective batch 64 · LR 3e-4 (cosine, 5% warmup) · bf16 · max length 1024 · load_best_model_at_end on eval_loss.
  • Eval split: 3,000 deterministic held-out pairs (seed=42), scored both directions.

Limitations

A ~25.3M model: reliable on short/common sentences, but drift, repetition, and errors appear on long or rare inputs. Gender is disambiguated only from context. For fluent translation use the 50M sibling.

License

Apache-2.0, inherited from the base model.

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
f11e07f

0 моделей