Характеристики

Контекст: 1 026 токенов
Параметры: 136 млн
Архитектура: roberta · dense
Библиотека: transformers
Опубликована: 27 июл 2026

Ссылки

Hugging Face

py313-pylingual-v3-mlm

syssec-utd

Заполнение пропусковТекст → текст3 профессии

Дообученная модель RoBERTa для предсказания скрытых токенов в тексте.

17скачиваний за 30 дней0лайковвеса обновлены27 июл 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

syssec-utd/py313-pylingual-v3-mlm — модель семейства RoBERTa для заполнения пропусков в тексте. Она дообучена на датасете syssec-utd/segmentation-py313-pylingual-v3 и доступна в формате safetensors через библиотеку Transformers. Модель содержит 136,3 млн параметров и поддерживает контекст до 1026 токенов.

Модель подходит для предсказания скрытых токенов и анализа контекста вокруг пропусков. README не описывает целевую область применения, языки, качество или ограничения модели. Лицензия в предоставленных данных не указана.

Сценарии применения

восстановление пропущенных слов в предложении
подбор вероятного токена для маски в тексте
контекстное дополнение фрагментов текста

Ограничения

README не содержит результатов оценки или описания ограничений; целевой язык и специализация обучающего датасета не установлены.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

py313-pylingual-v3-mlm

This model is a fine-tuned version of on the syssec-utd/segmentation-py313-pylingual-v3 dataset.

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

learning_rate: 5e-05
train_batch_size: 28
eval_batch_size: 8
seed: 42
distributed_type: multi-GPU
optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
num_epochs: 2

Training results

Framework versions

Transformers 5.12.1
Pytorch 2.12.0+cu130
Datasets 5.0.0
Tokenizers 0.22.2

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры: RobertaForMaskedLM
Ревизия весов: db3d9f6