/ Модель

Характеристики

Контекст
514 токенов
Параметры
193 млн
Лицензия
MIT
Архитектура
roberta · dense
Базовая модель
roberta-base
Библиотека
transformers
Опубликована
20 мая 2022

saraiki-roberta-base-small-finetuned3

Заполнение пропусковТекст → текст3 профессии

Дообученный энкодер RoBERTa для заполнения пропусков и поддержки NLP-задач на языке сараики.

17скачиваний за 30 дней1лайквеса обновлены13 авг 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

Saraiki RoBERTa Base (Small Finetuned) — языковой энкодер на архитектуре RoBERTa, дообученный Мухаммадом Фаржадом Али Разой для языка сараики (skr). Модель содержит 192,6 млн параметров, использует формат PyTorch и принимает текст; контекст — до 514 токенов. Её основная задача — предсказывать скрытые токены в предложении на сараики (fill-mask) на основе обучения с маскированным языковым моделированием.

Модель рассчитана на заполнение пропусков в тексте и может служить основой для последующей настройки классификации тональности, распознавания именованных сущностей и определения намерений в текстах на сараики. Лицензия — MIT.

Качество зависит от охвата и написания текстов в обучающем наборе; для наилучших результатов рекомендуется подавать текст стандартным письмом сараики на персо-арабской основе. Небольшой объём данных может приводить к переобучению при последующей настройке. Как энкодер, модель не предназначена для связной генерации длинных текстов или ответов в чате и не выполняет перевод без дополнительного дообучения.

Сценарии применения

  • предсказание пропущенного слова в предложении на сараики
  • анализ тональности отзывов на сараики после настройки для классификации
  • извлечение имен и географических названий из текстов на сараики после настройки NER
  • определение намерений в локализованных запросах на сараики после настройки

Ограничения

Результаты могут зависеть от орфографии и покрытия обучающего набора; небольшой объём данных повышает риск переобучения при последующей настройке. Модель не предназначена для длинной связной генерации или перевода без дополнительного дообучения.

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

Saraiki RoBERTa Base (Small Finetuned)

This is a fine-tuned version of the RoBERTa architecture optimized for the Saraiki language (skr). It has been trained on the themohal/saraiki_language_dataset to understand contextual nuances, vocabulary, and sentence structures native to Saraiki speakers using a Masked Language Modeling (MLM) objective.

Model Details

Model Description

RoBERTa (Robustly Optimized BERT Pretraining Approach) modifies the standard BERT design by removing the Next Sentence Prediction (NSP) objective and implementing dynamic masking patterns during training. This specific model is customized as a lightweight language encoder to assist with downstream NLP tasks for Saraiki, which remains an underrepresented regional language in AI ecosystems.

  • Developed by: [Muhammad Farjad Ali Raza]
  • Model type: Transformer Encoder (RoBERTa)
  • Language(s) (NLP): Saraiki (skr)
  • License: MIT
  • Finetuned from model: roberta-base / xlm-roberta-base
  • Primary Task: Fill-Mask / Masked Language Modeling

Model Sources

Uses

Direct Use

You can use this model directly to predict missing or hidden words in a Saraiki sentence using the Hugging Face pipeline helper or direct class initializations.

Option 1: Using the pipeline API

from transformers import pipeline

# Initialize the fill-mask pipeline
nlp = pipeline("fill-mask", model="themohal/saraiki-roberta-base-small-finetuned3")

# Use the model to fill in a masked token (replace <mask> with your tokenizer's mask token if needed)
text = "سرائیکی ہک قدیم <mask> ہے۔" 
predictions = nlp(text)

for pred in predictions:
    print(f"Token: {pred['token_str']} | Score: {pred['score']:.4f} | Text: {pred['sequence']}")

Option 2: Direct Tokenizer & Model Loading

from transformers import AutoTokenizer, AutoModelForMaskedLM

tokenizer = AutoTokenizer.from_pretrained("themohal/saraiki-roberta-base-small-finetuned3")
model = AutoModelForMaskedLM.from_pretrained("themohal/saraiki-roberta-base-small-finetuned3", device_map="auto")

Downstream Use

Once pre-trained on Saraiki syntax via masked modeling, this foundation is ideal for:

  • Sentiment Analysis: Classifying public opinion or text feedback in Saraiki.
  • Named Entity Recognition (NER): Extracting regional names, geographical locations, and native terms from text.
  • Text Classification & Intent Detection: Routing localized text queries or structuring regional datasets.

Out-of-Scope Use

  • Generative Text Creation: As an encoder-only model, this architecture is built to extract context or fill isolated blanks; it cannot cleanly generate long paragraphs or chat responses like a decoder-only LLM (such as GPT-4 or Llama).
  • Machine Translation: This model interprets language context but is not configured out of the box to translate between English and Saraiki unless fine-tuned on a parallel corpus.

Bias, Risks, and Limitations

  • Dataset Constraints: Token boundaries and script coverage depend strictly on the underlying saraiki_language_dataset. Performance could skew if text structures deviate from the specific spelling conventions used during training.
  • Low-Resource Scarcity: Encoder models on small datasets risk over-fitting if training steps are not strictly regulated against evaluation losses.

Recommendations

When processing input data, guarantee that text strings are provided in standard Perso-Arabic Saraiki characters. For downstream tasks like text classification, freeze the lower layers of the encoder if your task-specific fine-tuning dataset is small, preserving the raw language insights captured here.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · fill-mask

Нельзя запустить

Доступ к модели ограничен автором; у платформы нет доступа к весам.

Класс архитектуры
RobertaForMaskedLM
Ревизия весов
a5d6b91

0 моделей