/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
6,2 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Базовая модель
Nawah-BERT-6M-v2
Библиотека
transformers
Опубликована
5 сен 2026

Nawah-Router-BERT-6M-bilingual

Классификация без дообученияТекст → label3 профессии

Компактный двуязычный BERT для оценки пользовательских категорий и маршрутизации текстовых запросов на английском и арабском языках.

94скачиваний за 30 дней1лайквеса обновлены6 сен 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

Nawah-Router-BERT-6M-bilingual — двуязычная модель маршрутизации текста, разработанная oddadmix на основе Nawah-BERT-6M-v2. Это BERT-энкодер с 6,2 млн параметров и контекстом до 2048 токенов; модель оценивает пользовательские категории на английском или арабском за один проход, не требуя фиксированной таксономии или отдельной модели для каждого языка.

Модель дообучена совместно на англоязычном и арабоязычном наборах данных для маршрутизации запросов. В описанных разработчиком проверках она показала лучшие результаты на английском, чем вариант, обученный только на английских данных, а на арабском сохранила близкие к арабоязычной версии показатели. Подходит для классификации и направления запросов по категориям в двуязычных приложениях; механизм улучшения английских результатов автор обозначает как гипотезу, а переносимость результатов на другие данные требует проверки.

Модель распространяется в формате safetensors через Transformers под лицензией Apache-2.0. README содержит пример использования с RouterModel и AutoTokenizer.

Сценарии применения

  • маршрутизация англоязычных запросов по категориям
  • маршрутизация арабоязычных запросов по категориям
  • классификация запросов по пользовательскому списку тем
  • определение тематического направления обращения в двуязычном сервисе

Ограничения

Английская маршрутизация оценивалась на конкретных тестовых разбиениях; переносимость на другие данные требует отдельной проверки. Причина, по которой совместное обучение улучшает английские результаты на этой базе, автором не подтверждена.

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

Nawah-Router-BERT-6M-bilingual — a router head trained on English and Arabic together

Give it a text and any categories in plain English or Arabic; it scores all of them in one forward pass. No fixed taxonomy, no separate model per language. 5,977,985 parameters.

The headline finding: English-only training did not work on this backbone

Nawah-BERT-6M-v2 was pretrained exclusively on Arabic MSA text (fineweb-edu-ar). Training a routing head on prompt-routing-en alone, same code, same hyperparameters, produced a model that learned nothing: training loss sat flat at ~1.57 for all 3 epochs, and every eval split landed at its random baseline.

Mixing in the Arabic corpus rescued it — not just held Arabic steady, but pulled English routing from pure chance to well above it:

eval splitEnglish-onlythis model — Englishthis model — ArabicArabic-only (v2)
unseen_lanes0.210 (=random)0.8590.9290.933
unseen_domain0.239 (=random)0.5900.6940.701
unseen_axis0.252 (=random)0.5470.6050.600
hard0.213 (=random)0.8390.9030.911

All four numbers were re-measured in the same session with eval_router_bilingual.py; the Arabic columns reproduce the published Nawah-Router-BERT-6M-v2 card within normal run-to-run variance, which is what makes the English-only comparison trustworthy.

Why joint training fixes it is not fully confirmed. The working hypothesis: the shared 2-layer scoring head, trained only on English gradients, got stuck in a degenerate optimum that predicts a near-uniform distribution over categories regardless of content (consistent with the flat loss staying near ln(mean lane count) ≈ 1.6 for all three epochs). The Arabic gradients, on representations the backbone was actually pretrained to produce, appear to pull the head out of that optimum early enough that it then also learns from the weaker — but not degenerate — English signal. This is a hypothesis, not a verified mechanism; it has not been tested against, say, a lower learning rate or longer warmup on English alone.

Practical takeaway

If you need English routing on a tiny Arabic-pretrained backbone, training on English data alone may not be enough — pairing it with a related-task corpus in the backbone's pretraining language was what worked here, on this backbone, at this scale. Don't assume that generalizes without testing on your own data.

Usage

from transformers import AutoTokenizer
from routing_model_bilingual import RouterModel, route      # ships in this repo

M = "oddadmix/Nawah-Router-BERT-6M-bilingual"
tok = AutoTokenizer.from_pretrained(M)
model = RouterModel.from_pretrained(M)

route(model, tok, "The order is an hour late and the driver isn't answering",
      ["delivery enquiry", "delayed-order complaint", "payment issue"])
# lang="en"/"ar"/"auto" (default) - auto picks by script

Trained on oddadmix/prompt-routing-en (173,223 English rows) + oddadmix/arabic-prompt-routing (207,097 Arabic rows) mixed in one training run, 3 epochs, with train_router_head_multi.py's defaults (LR 3e-4, batch 32). Each row is wrapped in its own language's template ("Text:/Categories:" or "النص:/الفئات:") before the shared span-pooling head scores it — see that script's docstring.

© KAND CA 2026 — PROJECT NAWAH

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · zero-shot-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
BertModel
Ревизия весов
5384c55

0 моделей