/ Модель

Характеристики

Контекст
1 024 токена
Параметры
135 млн
Лицензия
Apache 2.0
Архитектура
modernbert · dense
Базовая модель
ModernBERT-base
Опубликована
6 мая 2026

BERTomelo-ModernBERT-Base-v1

Заполнение пропусковТекст → текст7 профессий

Португалоязычный энкодер ModernBERT на 135,5 млн параметров для заполнения пропусков и адаптации к задачам понимания текста.

924скачиваний за 30 дней3лайкавеса обновлены3 сен 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

BERTomelo ModernBERT Base v1 — португалоязычный энкодер типа BERT, разработанный на базе архитектуры ModernBERT и предварительно обученный с нуля на португальской части корпуса ClassiCC. Версия Base содержит 22 слоя и около 135,5 млн параметров, принимает последовательности до 1 024 токенов и предназначена для заполнения пропусков в тексте. Для обучения использовано около 386,48 млрд токенов; модель применяет RoPE, чередование локального и глобального внимания, а также FlashAttention 2.

Карточка сообщает о результатах оценки на задачах семантического сходства, распознавания текстовых следствий и распознавания именованных сущностей для бразильского португальского. Модель подходит для заполнения пропущенных слов и может служить энкодером для последующей адаптации к задачам понимания португальского текста. Контекст 1 024 токена поддерживает обработку более длинных фрагментов по сравнению со многими ранними моделями для бразильского португальского.

Репозиторий содержит веса в формате safetensors и имеет лицензию Apache-2.0. Среди ограничений карточка отмечает отсутствие стандартизированных тестов длинного контекста для португальского языка, отсутствие упаковки последовательностей в текущем выпуске и возможность смещений, унаследованных от веб-данных ClassiCC PT.

Сценарии применения

  • Заполнение пропущенных слов в португалоязычном тексте
  • Подготовка энкодера для классификации текстов на португальском
  • Адаптация к распознаванию именованных сущностей на бразильском португальском
  • Адаптация к оценке семантического сходства португальских предложений
  • Обработка фрагментов португальского текста длиной до 1 024 токенов

Ограничения

Для португальского языка нет стандартизированных тестов длинного контекста, а в текущем выпуске не используется упаковка последовательностей. Обучение на веб-данных может приводить к смещениям.

Для каких профессий подходит7

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

BERTomelo

BERTomelo is a variant of BERT encoders built upon the ModernBERT architecture. It is pretrained from scratch on the Classified Common Crawl Corpus for Portuguese (ClassiCC PT), specifically tailored and specialized for the Portuguese language. BERTomelo try to fill the gap of older Brazilian BERT models with the native long context capability, making it ideal for tasks that require processing extensive documents, mirroring the efficiency of the ModernBERT reference architecture.

Architectural Improvements

BERTomelo leverages several recent advancements in transformer design integrated into the ModernBERT architecture, such as:

  • Rotary Positional Embeddings (RoPE): Facilitates robust long context support by encoding positional information through rotation, allowing for better extrapolation to larger sequence lengths.
  • Local Global Alternating Attention: Optimizes computational efficiency by alternating between local attention (focusing on neighboring tokens) and global attention (capturing dependencies across the entire sequence).
  • Unpadding and FlashAttention 2: Enhances hardware level efficiency by removing unnecessary padding tokens and utilizing an IO aware attention implementation to maximize token throughput.

The pretraining of BERTomelo encompasses 386.48 billion tokens. The custom tokenizer is sourced from ModBERTBr, trained using a Unigram algorithm on the BrWaC corpus and the Wikipedia Portuguese dataset.

Available Models

Model VariantLayersParametersContext Window
BERTomelo Base22136 Million1,024 tokens
BERTomelo Large28377 Million1,024 tokens

Usage

You can use BERTomelo leveraging the transformers library since version v4.48.0:

pip install -U transformers>=4.48.0

Since BERTomelo is pretrained using a Masked Language Model (MLM) objective, it can be used directly for inference via AutoModelForMaskedLM or the fill-mask pipeline. It also serves as a robust backbone for fine tuning on downstream tasks such as classification, textual similarity, retrieval, or question answering.

⚠️ Note: We recommend using FlashAttention 2 to achieve the highest processing efficiency and throughput.

Using AutoModelForMaskedLM:

from transformers import AutoTokenizer, AutoModelForMaskedLM

model_id = "unb-labia/BERTomelo-ModernBERT-Base-v1"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForMaskedLM.from_pretrained(model_id)
text = "O cachorro mais famoso do brasil é o vira [MASK]."
inputs = tokenizer(text, return_tensors="pt")
outputs = model(**inputs)

masked_index = inputs["input_ids"][0].tolist().index(tokenizer.mask_token_id)
predicted_token_id = outputs.logits[0, masked_index].argmax(axis=-1)
predicted_token = tokenizer.decode(predicted_token_id)
print("Predicted token:", predicted_token)

Using a pipeline:

import torch
from transformers import pipeline
from pprint import pprint
pipe = pipeline(
    "fill-mask",
    model="unb-labia/BERTomelo-ModernBERT-Base-v1",
)
input_text = "O Brasil está presente na [MASK] do sul."
results = pipe(input_text)

for result in results:
    print(f"Token: {result['token_str']} | Score: {result['score']:.4f}")

Note: Unlike traditional BERT models, the ModernBERT architecture utilized by BERTomelo does not require token type IDs. You can omit this parameter in most downstream tasks.

Evaluation

The following table summarizes the performance of BERTomelo compared to other prominent models for Brazilian Portuguese across Semantic Textual Similarity (STS), Recognizing Textual Entailment (RTE), and Named Entity Recognition (NER).

Our evaluation pipeline is designed to ensure statistical robustness by separating hyperparameter tuning from the final multi-seed evaluation.

  • Hyperparameter Optimization (Optuna): We perform a search using Optuna over a single fixed seed. The objective is to maximize the task-specific target metric (F1-Score for NER, Pearson for STS, and Macro-F1 for Classification/RTE) on the validation set. We optimize the Learning Rate, Weight Decay, and Warmup Ratio. To prevent overfitting and save compute, we apply an Early Stopping mechanism with a patience of 3 epochs.
  • Multi-Seed Evaluation (Robustness): Once the optimal hyperparameters are identified, we perform a full fine-tuning of the model across 6 different random seeds.
    • For each seed, the task-specific classification head is initialized from scratch (randomly), while the Transformer backbone loads the pretrained weights.
    • We train for up to 20 epochs, keeping the same 3-epoch Early Stopping rule.
    • Due to load_best_model_at_end=True, the model always reverts to the weights that achieved the highest validation score, regardless of when training halted.
    • Finally, we report the mean and standard deviation (std) of the metrics on the test set across all 6 runs.

Aggregated results (Mean ± Standard Deviation) by model and benchmark.

ModelPearson ↑(ASSIN 2)MSE ↓(ASSIN 2)Macro F1 ↑(ASSIN 2)Accuracy ↑(ASSIN 2)F1 ↑(LENER-BR)Precision ↑(LENER-BR)Recall ↑(LENER-BR)
Base Models
mBERT0.8171 ± 0.00570.5576 ± 0.01260.8667 ± 0.00740.8672 ± 0.00730.8614 ± 0.00450.8417 ± 0.00940.8823 ± 0.0085
BERTimbau0.8345 ± 0.00350.5723 ± 0.01990.8851 ± 0.00650.8855 ± 0.00630.8892 ± 0.00850.8667 ± 0.01230.9130 ± 0.0058
BERTuguês0.8352 ± 0.00440.5694 ± 0.02220.8775 ± 0.00530.8781 ± 0.00530.8745 ± 0.00950.8576 ± 0.01220.8922 ± 0.0083
ModernBERT0.7730 ± 0.00720.5643 ± 0.02080.8174 ± 0.00860.8184 ± 0.00830.7575 ± 0.01130.7292 ± 0.01540.7883 ± 0.0081
ModBERTBr0.8065 ± 0.00260.5283 ± 0.00940.8336 ± 0.00900.8354 ± 0.00870.8916 ± 0.00830.8763 ± 0.01070.9075 ± 0.0070
BERTomelo-Base0.8375 ± 0.00190.4570 ± 0.00770.8693 ± 0.01440.8701 ± 0.01390.8987 ± 0.01040.8845 ± 0.01520.9135 ± 0.0073
modernJabuticaBERT-Base-1k0.8507 ± 0.00330.4468 ± 0.08010.8678 ± 0.00870.8683 ± 0.00850.8503 ± 0.00680.8280 ± 0.00930.8738 ± 0.0057
modernJabuticaBERT-Base-8k0.8460 ± 0.00320.4167 ± 0.00630.8820 ± 0.00270.8824 ± 0.00270.8685 ± 0.00920.8444 ± 0.01500.8940 ± 0.0059
NorBERTo-Base0.8544 ± 0.00230.4086 ± 0.00560.8918 ± 0.00600.8922 ± 0.00610.8545 ± 0.01280.8356 ± 0.01990.8743 ± 0.0086
Large Models
ModernBERT-Large0.8107 ± 0.00520.4792 ± 0.01310.8525 ± 0.01090.8532 ± 0.01050.7921 ± 0.01810.7721 ± 0.02950.8136 ± 0.0097
BERTomelo-Large0.8577 ± 0.00120.4078 ± 0.00750.8857 ± 0.00850.8860 ± 0.00840.8917 ± 0.00470.8755 ± 0.00700.9084 ± 0.0080
modernJabuticaBERT-Large-1k0.8585 ± 0.00320.3994 ± 0.00550.8879 ± 0.00790.8884 ± 0.00780.8697 ± 0.01560.8461 ± 0.01730.8947 ± 0.0162
modernJabuticaBERT-Large-8k0.8576 ± 0.00240.3981 ± 0.00820.8988 ± 0.00490.8991 ± 0.00480.8846 ± 0.01580.8656 ± 0.02350.9046 ± 0.0094
NorBERTo-Large0.8506 ± 0.00210.4120 ± 0.00710.8916 ± 0.01050.8920 ± 0.01040.8743 ± 0.01200.8550 ± 0.02270.8949 ± 0.0075

Limitations

  • The evaluation process lacks the availability of standardized long context benchmarks specifically designed for the Portuguese language.
  • The current release does not yet incorporate the sequence packing mechanism, which may affect token throughput in specific training scenarios.
  • As with all models trained on large scale web data, BERTomelo may reflect biases present in the ClassiCC PT dataset.

Acknowledgments

This work was supported in part by Advanced Micro Devices, Inc. under the AMD AI & HPC Cluster Program. Furthermore, the respective authors are appreciated for providing the ClassiCC-PT, ASSIN2, and LeNER-BR datasets, as well as the developers of ModBERTBr for their foundational work in adapting this architecture for the Brazilian Portuguese language.

Как запустить

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

GPU в ailist

Универсальный рантайм · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры
ModernBertForMaskedLM
Ревизия весов
86fc5ac

0 моделей