/ Модель

Характеристики

Контекст
512 токенов
Параметры
212 млн
Лицензия
MIT
Архитектура
deberta-v2 · dense
Базовая модель
deberta-v3-base
Опубликована
31 мая 2026

cefr-level-deberta-v3-base

Классификация текстаТекст → label3 профессии

Классификатор оценивает уровень CEFR для английских слов и помогает подбирать лексику для языкового обучения.

580скачиваний за 30 дней2лайкавеса обновлены31 мая 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

Модель star092304/cefr-level-deberta-v3-base — англоязычный классификатор слов по уровням владения лексикой CEFR от A1 до C2. Она разработана на основе microsoft/deberta-v3-base и дообучена на аннотациях CEFR из набора star092304/CEFR-Annotated-WordNet. Архитектура DeBERTa-v2 для классификации последовательностей содержит 211,6 млн параметров и обрабатывает контекст до 512 токенов; файлы модели представлены в формате safetensors.

Модель предназначена для оценки сложности слов, профилирования словарного запаса и подбора лексики в приложениях для изучения английского языка и адаптивных обучающих системах. На обучении использовались отдельные лексические единицы после лемматизации и сопоставления значений; из данных исключались многословные выражения и имена собственные.

Оценка относится к сложности слова, а не к конкретному контексту: многозначные слова могут соответствовать разным уровням в зависимости от употребления. Результаты следует трактовать как приблизительную оценку, а не как достоверную разметку или основание для важных образовательных решений. Модель распространяется по лицензии MIT.

Сценарии применения

  • оценка сложности английских слов по уровням A1–C2
  • подбор лексики для уроков английского языка
  • профилирование словарного запаса учащегося
  • рекомендация слов в адаптивном обучающем приложении
  • разметка слов по CEFR в лингвистических исследованиях

Ограничения

Модель оценивает слова отдельно от контекста, поэтому значения многозначных слов могут требовать разных уровней CEFR. Предсказания являются оценками и не предназначены для высокорисковой аттестации или сертификации.

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

DeBERTa-v3 CEFR Vocabulary Classifier

A fine-tuned DeBERTa-v3-base model for predicting the CEFR proficiency level of English vocabulary items.

The model classifies words into six Common European Framework of Reference (CEFR) levels:

  • A1
  • A2
  • B1
  • B2
  • C1
  • C2

This model is intended for:

  • Vocabulary difficulty estimation
  • Language learning applications
  • CEFR-aware educational tools
  • Vocabulary profiling
  • Adaptive learning systems
  • Linguistic research

Model Details

ItemValue
Base Modelmicrosoft/deberta-v3-base
TaskCEFR Classification
LabelsA1, A2, B1, B2, C1, C2
ArchitectureDeBERTa-v3
FrameworkHugging Face Transformers
LanguageEnglish

Dataset

This model was trained using CEFR annotations derived from:

Dataset: star092304/CEFR-Annotated-WordNet

Dataset card:

https://huggingface.co/datasets/star092304/CEFR-Annotated-WordNet

The dataset provides CEFR proficiency annotations for WordNet lexical entries and was created based on the following work:

Reference Paper

CEFR-Annotated WordNet: LLM-Based Proficiency-Guided Semantic Database for Language Learning

Authors:

  • Masato Kikuchi
  • Masatsugu Ono
  • Toshioki Soga
  • Tetsu Tanabe
  • Tadachika Ozono

Paper:

https://arxiv.org/html/2510.18466v2

Citation

@article{kikuchi2025cefrannotatedwordnet,
  title={CEFR-Annotated WordNet: LLM-Based Proficiency-Guided Semantic Database for Language Learning},
  author={Kikuchi, Masato and Ono, Masatsugu and Soga, Toshioki and Tanabe, Tetsu and Ozono, Tadachika},
  year={2025}
}

Training Data Construction

Training examples were generated by aligning:

  • SemCor sense annotations
  • WordNet lexical entries
  • CEFR labels from CEFR-Annotated WordNet

Additional preprocessing included:

  • Lemmatization
  • Sense matching
  • Multi-word expression removal
  • Proper noun filtering

Only single-word lexical items were retained for training.


Training Performance

Training Curves

Training Curves


Test Confusion Matrix

Confusion Matrix


Evaluation Preview

Classification Report


Usage

from transformers import AutoTokenizer
from transformers import AutoModelForSequenceClassification
import torch

model_name = "star092304/cefr-level-deberta-v3-base"

tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSequenceClassification.from_pretrained(model_name)

label_names = ["A1", "A2", "B1", "B2", "C1", "C2"]

word = "investigation"

inputs = tokenizer(
    word,
    return_tensors="pt",
    truncation=True
)

with torch.no_grad():
    outputs = model(**inputs)

pred_id = outputs.logits.argmax(dim=-1).item()

print(label_names[pred_id])

Example Predictions

WordPredicted CEFR
bookA1
happyA1
journeyA2
improveB1
investigationB2
sophisticatedC1
quintessentialC2

Limitations

  • The model predicts vocabulary difficulty at the word level.
  • CEFR levels can vary depending on context and meaning.
  • Polysemous words may belong to multiple CEFR levels depending on usage.
  • Predictions should be interpreted as estimated proficiency levels rather than absolute ground truth.

Intended Use

This model is intended for:

  • Educational research
  • Language learning systems
  • Vocabulary recommendation engines
  • CEFR-aware NLP pipelines

The model is not intended for high-stakes educational assessment or certification decisions.


Acknowledgements

This work builds upon:

  • WordNet
  • SemCor
  • CEFR-Annotated WordNet
  • Hugging Face Transformers
  • Microsoft DeBERTa-v3

Special thanks to the authors of the CEFR-Annotated WordNet dataset and paper.

Как запустить

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

GPU в ailist

Универсальный рантайм · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
DebertaV2ForSequenceClassification
Ревизия весов
895fabc

0 моделей