/ Модель

Характеристики

Параметры
45,7 млн
Лицензия
CC BY-SA 4.0
Архитектура
t5 · dense
Базовая модель
t5-sl-small
Библиотека
transformers
Опубликована
10 июл 2026

t5-sl-medical-gec

Генерация текстаТекст → текст3 профессии

Небольшая модель T5 для исправления падежных ошибок и согласования в словенских медицинских текстах после машинного перевода.

227скачиваний за 30 дней0лайковвеса обновлены14 сен 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

t5-sl-medical-gec — небольшая модель MediaAtlas для исправления грамматики в словенских медицинских текстах после машинного перевода. Это дообученная версия cjvt/t5-sl-small с архитектурой T5 и 45,7 млн параметров по метаданным; в карточке модели указано около 76 млн параметров. Для обработки к тексту добавляют префикс «popravi: ». Модель исправляет ошибки падежных окончаний и согласования рода между прилагательными и существительными, стараясь сохранять уже корректные фрагменты. Она обучена на синтетических парах ошибок и исправлений, включая примеры без изменений.

Модель предназначена для недорогого этапа постредактирования машинного перевода медицинских текстов на словенском языке. По описанию, на отложенном наборе клинических предложений она исправляет примерно половину остаточных ошибок согласования и падежа после перевода. Лицензия — CC BY-SA 4.0.

Это прототипный грамматический корректор, а не источник медицинской информации и не клинический продукт. Он не предназначен для исправления лексических кальк и всех типов ошибок склонения; результат должен проверять специалист. После обработки следует отдельно проверять, что числа, единицы измерения и названия лекарств не изменились. Для токенизатора базовой модели README отмечает проблему загрузки медленной версии в новых версиях Transformers и рекомендует использовать fast-токенизатор.

Сценарии применения

  • постредактирование словенского медицинского машинного перевода
  • исправление падежных окончаний в клинических предложениях
  • исправление согласования рода прилагательных и существительных
  • проверка грамматики словенских медицинских текстов перед редакторской вычиткой

Ограничения

Модель не исправляет лексические кальки и все типы ошибок склонения; это прототип, не предназначенный для медицинских рекомендаций или клинического применения. Результат должен проверять специалист, отдельно контролируя сохранность чисел, единиц измерения и названий лекарств.

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

t5-sl-medical-gec

Trained by MediaAtlas — LLM fine-tuning on your own data, trained in the EU, weights delivered. Pricing · All our models

A small Slovenian grammar / case-agreement corrector for post-editing machine-translated medical text. Fine-tune of cjvt/t5-sl-small (~76M params). It fixes the declension / adjective-noun agreement slips that a large LLM translator tends to make in Slovenian (e.g. krvnega glukoze → krvne glukoze), without touching numbers, units or drug names.

Intended as a cheap post-edit step after an MT model, gated by a term-preservation check.


⚠️ Disclaimer

Research/educational tool. Not medical advice, not a clinical product. It is a grammar corrector, not a source of medical information. Output must be verified by a qualified human before any real-world use. Provided as is, without warranty; no liability is accepted for its use or misuse. Because it rewrites text, always pair it with a check that numbers / units / drug names are unchanged (it is trained not to touch them, but verify).

What it does

Input: popravi: <slovenian text with case/agreement errors> Output: <corrected slovenian text>

  • Fixes case-ending and gender-agreement errors (the class an LLM translator produces): vzdrževalna odmerka → vzdrževalni odmerek, intravenskimi lorazepamom → intravenskim lorazepamom, Depresijo značata → Depresija je značilna po ….
  • Does not over-edit already-correct text (trained with ~20% identity pairs).
  • Does not fix lexical calques (e.g. rdeča zastavica for "red flag") or every noun-form error — those are out of scope for a case-GEC.

On a held-out set of clinical sentences it cleanly fixes ~half of the residual case/agreement slips left after beam search.

Training

  • Base: cjvt/t5-sl-small.
  • Data: ~147k synthetic (corrupt, clean) pairs. Clean Slovenian sentences (the SL side of the EMEA / Europarl OPUS corpora — human translations, not MT) are corrupted by swapping noun/adjective case endings within cross-gender confusion sets; ~20% are left uncorrupted (identity) so the model learns not to over-edit. Numbers, units, ALL-CAPS codes and short words are never corrupted.
  • Objective: text-to-text restoration, prefix popravi: . 3 epochs.
  • This is a prototype-grade corruption (rule-based, no morphological analyser); a production version would use classla MSD tags + a sloleks generator for fully realistic inflection.

Usage

from transformers import AutoModelForSeq2SeqLM, PreTrainedTokenizerFast
from huggingface_hub import hf_hub_download

repo = "<your-org>/t5-sl-medical-gec"
tok = PreTrainedTokenizerFast(
    tokenizer_file=hf_hub_download(repo, "tokenizer.json"),
    eos_token="</s>", unk_token="<unk>", pad_token="<pad>",
)
model = AutoModelForSeq2SeqLM.from_pretrained(repo).eval()

def fix(text):
    enc = tok("popravi: " + text, return_tensors="pt", truncation=True, max_length=128)
    out = model.generate(**enc, max_new_tokens=160, num_beams=5, early_stopping=True)
    return tok.decode(out[0], skip_special_tokens=True)

print(fix("spremljati raven krvnega glukoze"))  # -> ... krvne glukoze

Note: cjvt/t5-sl-small's T5 slow tokenizer fails to load under recent transformers; load the fast tokenizer.json via PreTrainedTokenizerFast as shown.

License

Inherits the base model's license (cjvt/t5-sl-small, CC BY-SA 4.0). Training text is from EMEA (public) and Europarl (public) via OPUS. Attribute those sources.

Citation

Cite this work (Tadej Fius, MediaAtlas Ltd):

@misc{fius2026gec,
  title        = {t5-sl-medical-gec: Slovenian Medical GEC},
  author       = {Fius, Tadej},
  year         = {2026},
  publisher    = {MediaAtlas Ltd},
  howpublished = {Hugging Face},
  url          = {https://huggingface.co/texdata/t5-sl-medical-gec}
}

Upstream / source citations:

@misc{slot5, title={t5-sl-small}, author={{CJVT}}, url={https://huggingface.co/cjvt/t5-sl-small}}
@article{raffel2020t5, title={Exploring the Limits of Transfer Learning with a Unified Text-to-Text Transformer}, author={Raffel, Colin and others}, journal={JMLR}, volume={21}, year={2020}}

Fine-tune of cjvt/t5-sl-small (Slovene T5). Cite the base + T5.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
T5ForConditionalGeneration
Ревизия весов
002ee93

0 моделей