/ Модель

Характеристики

Контекст
512 токенов
Параметры
41,7 млн
Архитектура
pinyin_code · dense
Библиотека
transformers
Опубликована
11 июн 2026

full_chinese_bert

Заполнение пропусковТекст → текст3 профессии

Компактная BERT-модель с pinyin-code токенизацией для восстановления пропусков и оценки китайских предложений.

66скачиваний за 30 дней0лайковвеса обновлены11 июн 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

Pinyin-Code Masked LM — модель masked language modeling на базе архитектуры BERT, опубликованная в репозитории timorobrecht/full_chinese_bert. Веса занимают 41,7 млн параметров, контекст — до 512 токенов; модель использует токенизацию pinyin-code для китайского текста, а в этой сборке включена сегментация jieba. Для загрузки применяется Transformers с trust_remote_code=True; для токенизации сырого китайского текста нужны pypinyin и sentencepiece.

Модель предназначена для восстановления замаскированных токенов и оценки языковой правдоподобности китайских предложений, в том числе через pseudo-log-likelihood для сравнения пар предложений. Выходы скрытых слоёв также можно использовать для извлечения представлений. Репозиторий содержит веса safetensors и пользовательский код Transformers; лицензия в предоставленных данных не указана.

Сценарии применения

  • восстановление замаскированных слов в китайском тексте
  • оценка грамматической приемлемости китайских предложений
  • сравнение вариантов китайского предложения по псевдоправдоподобию
  • извлечение векторных представлений китайского текста

Ограничения

Для работы требуется загрузка пользовательского кода через trust_remote_code=True и зависимости для токенизации китайского текста. Для оценки предложений методом pseudo-log-likelihood требуется отдельный проход модели для каждого оцениваемого токена.

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

Pinyin-Code Masked LM

This repository contains a custom Transformers masked language model. Load it with trust_remote_code=True.

Dependencies

Install the runtime dependencies before loading the model:

pip install torch transformers safetensors sentencepiece pypinyin jieba

sentencepiece is required for AutoTokenizer. pypinyin is required for raw Mandarin-to-pinyin tokenization. jieba is required when use_jieba is true; this export was created with use_jieba=true.

Loading

from transformers import AutoConfig, AutoModel, AutoModelForMaskedLM, AutoTokenizer

model_path = "PATH_OR_REPO_ID"

config = AutoConfig.from_pretrained(model_path, trust_remote_code=True)
tokenizer = AutoTokenizer.from_pretrained(model_path, trust_remote_code=True)
base_model = AutoModel.from_pretrained(model_path, trust_remote_code=True)
model = AutoModelForMaskedLM.from_pretrained(model_path, trust_remote_code=True)

Evaluation

Configure external evaluators with:

  • model path: this local folder or Hugging Face repo ID
  • backend: masked_language_modeling
  • trust remote code: enabled

For BLiMP-style sentence-pair scoring, use pseudo-log-likelihood rather than left-to-right probability; this requires one forward pass per scored token.

The tokenizer accepts raw text through standard calls such as tokenizer(text), tokenizer(text, add_special_tokens=False), and tokenizer(texts, padding=True, truncation=True, return_tensors="pt"). It also accepts return_offsets_mapping=True for compatibility with completion-ranking evaluators that need suffix masks. The model supports output_hidden_states=True for representation extraction tasks.

This export sets patch_pathlib_utf8_open=true in config.json. When loaded with trust_remote_code=True, the config installs a narrow Windows compatibility shim so later text-mode Path.open("r") calls without an explicit encoding default to UTF-8. Set PINYIN_CODE_DISABLE_UTF8_OPEN_PATCH=1 before loading the model to disable that shim.

Export metadata:

  • transliteration: pinyin-code
  • training_model_type: bert
  • use_jieba: true

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · fill-mask

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
PinyinCodeForMaskedLM
Ревизия весов
1a91333

0 моделей