/ Модель

Характеристики

Контекст
8 192 токена
Параметры
140 млн
Лицензия
MIT
Архитектура
modernbert · dense
Базовая модель
mmBERT-small
Библиотека
transformers
Опубликована
15 сен 2025

mmBERT-small-m-edu-classifier

Классификация текстаТекст → label5 профессий

Мультиязычный классификатор, который оценивает образовательную ценность веб-документов по шести уровням.

77скачиваний за 30 дней2лайкавеса обновлены15 сен 2025

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

tartuNLP/mmBERT-small-m-edu-classifier — мультиязычный классификатор образовательного качества текстов, разработанный tartuNLP на основе энкодера ModernBERT. Модель присваивает документу одну из шести меток: проблемный контент, отсутствие образовательной ценности, минимальный, базовый, хороший или отличный уровень. Она обучена оценивать полные документы длиной до 8192 токенов на смешанном наборе FineWeb с образовательными аннотациями.

Модель содержит 140,5 млн параметров и использует архитектуру ModernBertForSequenceClassification. Её назначение — фильтрация и ранжирование веб-документов по образовательной ценности, в том числе на разных языках. Метаданные перечисляют широкий набор языковых тегов, а базовая модель описана как мультиязычный энкодер более чем для 1800 языков; фактическую поддержку каждого языка для классификатора следует проверять отдельно.

Модель распространяется под лицензией MIT. В README приведена оценка на отложенной выборке, где каждый язык представлен как минимум один раз, однако численные результаты в доступной карточке отсутствуют. Качество оценок на отдельных языках и перенос на данные вне обучающего набора могут различаться.

Сценарии применения

  • оценка образовательной ценности веб-страниц
  • отбор качественных текстов для обучающих корпусов
  • ранжирование документов по уровню образовательного содержания
  • фильтрация проблемного контента в текстовом корпусе

Ограничения

В карточке приведено описание оценки на отложенной выборке, но численные результаты недоступны. Качество для отдельных языков и при применении к данным вне обучающего набора не установлено.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Multilingual Educational Content Classifier

Trained on full documents of up to 8192 tokens in total. The train set of tartuNLP/fineweb-c-combined-resample was used, which itself is a mix and a resample of HuggingFaceFW/fineweb-edu-llama3-annotations and data-is-better-together/fineweb-c.

Labels

{0: '❗ Problematic Content ❗', 1: 'None', 2: 'Minimal', 3: 'Basic', 4: 'Good', 5: 'Excellent'}

Classification Report

Evaluated on the development set of tartuNLP/fineweb-c-combined-resample organized so that each language appears at least once.

              precision    recall  f1-score   support

           0       0.89      0.78      0.83       602
           1       0.65      0.88      0.75       916
           2       0.41      0.29      0.34       345
           3       0.40      0.30      0.34       179
           4       0.53      0.15      0.23       127
           5       0.55      0.39      0.45        44

    accuracy                           0.66      2213
   macro avg       0.57      0.46      0.49      2213
weighted avg       0.65      0.66      0.64      2213

Confusion Matrix

[[471 114  10   6   0   1]
 [ 33 806  59  13   5   0]
 [ 10 204 101  28   2   0]
 [  7  72  37  53   8   2]
 [  7  35  27  28  19  11]
 [  2   7  10   6   2  17]]

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
ModernBertForSequenceClassification
Ревизия весов
4e800b7

0 моделей