/ Модель

Характеристики

Контекст
512 токенов
Параметры
136 млн
Лицензия
CC BY 4.0
Архитектура
bert · dense
Базовая модель
sikuroberta
Библиотека
transformers
Опубликована
23 сен 2025

BIRD

Заполнение пропусковТекст → текст3 профессии

Модель RoBERTa для заполнения пропусков и восстановления иероглифов в древних китайских бронзовых надписях.

70скачиваний за 30 дней2лайкавеса 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

SikuRoBERTa BIRD — модель семейства RoBERTa, разработанная на основе SIKU-BERT/sikuroberta и адаптированная для работы с китайскими бронзовыми надписями. Она дообучена на корпусе BIRD с дополнительным доменным и задачным предобучением и модулем Glyph Net. Веса содержат 136,4 млн параметров, контекст — до 512 токенов.

Модель предназначена прежде всего для восстановления утраченных или повреждённых иероглифов в надписях с помощью заполнения масок. Карточка также описывает классификацию надписей по династии и периоду, но указанная задача Hugging Face — fill-mask. Обучение использовало 41 тысячу токенов транскрибированных надписей с хронологическими метками и 2 млн токенов текстов доциньской эпохи. В приведённом примере точность Exact@1 на 22 экспертных восстановлениях составила 50%, поэтому предлагаемые варианты требуют проверки специалистом.

Модель подходит для исследований в цифровой гуманитаристике, древнекитайской обработке языка и палеографии. Лицензия — CC BY 4.0.

Сценарии применения

  • восстановление утраченных иероглифов в бронзовых надписях
  • ранжирование вариантов чтения повреждённого фрагмента по вероятности
  • подготовка кандидатов для экспертного анализа нерасшифрованных знаков
  • исследование древнекитайских надписей методами NLP

Ограничения

В приведённой оценке на 22 экспертных восстановлениях Exact@1 составляет 50%; предсказания для нерасшифрованных знаков являются кандидатами и требуют экспертной проверки. Классификация по династии и периоду описана в карточке, но не представлена как задача pipeline_tag.

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

SikuRoBERTa BIRD

《詩·商頌·玄鳥》:天命玄鳥,降而生商
“Heaven commissioned the swallow, to descend and give birth to Shang.”
— translated by James Legge

Hugging Face Dataset GitHub Repository


Model Description

This model is adapted from SIKU-BERT/sikuroberta, with additional domain-adaptive pretraining (DAPT), task-adaptive pretraining (TAPT), and integration of a Glyph Net (GN) module.
It is trained on the BIRD (Bronze Inscription Restoration and Dating), the first fully encoded bronze inscription corpus with chronological labels.

  • Backbone: RoBERTa trained on the Siku Quanshu corpus
  • Enhancements: Glyph Net (GN), glyph-biased sampling, DAPT, TAPT
  • Tasks:
    • Masked language modeling (inscription restoration)
    • Dynasty- and period-level classification (dating)

Intended Use

  • Restoration of damaged or missing characters in bronze inscriptions
  • Chronological classification (dynasty / period dating)
  • Research in digital humanities, ancient Chinese NLP, and paleography

Training Data

The model was trained on the BIRD dataset:

  • 41k tokens of transcribed and chronologically labeled bronze inscriptions
  • Deduplicated, filtered, and corrected based on Complete Collection of Yin and Zhou Bronze Inscriptions (CASS, 2007)
  • [UNK] placeholders for undeciphered glyphs
  • Supplemented with 2M tokens of Pre-Qin texts (Analects, Mencius, Zuo Zhuan, Mozi, Guanzi, etc.) for domain-adaptive pretraining

Dataset repo: wjhuah/BIRD


Case Study: Hu Ding Restoration

We employed the SikuRoBERTa (GN) model with two decoding strategies:
parallel mask filling and greedy iterative decoding.
The table below compares predicted tokens with expert gold restorations.

Top-1 and Top-5 predictions versus gold characters

(excerpt of the first six damaged positions in the Hu Ding inscription)

Mask PositionGoldPred@1Top-5 Predictions
01室廟廟, 室, 宮, 寢, 廷
02王王王, 公, 君, 伯, 尹
03芾芾芾, 純, 衡, 衣, 韍
05命於於, 于, 揚, 無, 多
06于于于, 揚, 穆, 於, 侑
07年年年, 人, 世, 壽, 歲

On 22 expert restorations (Huang, 2022), the model achieved:

  • Exact@1: 50.00% (11/22)
  • Exact@5: 59.09% (13/22)
  • Exact@10: 68.18% (15/22)

Greedy decoding yielded comparable coverage, though with slightly lower accuracy.
In addition to reproducing expert restorations, the system also generated plausible candidates for undeciphered characters, providing potential references for paleographic analysis.

Model completions for undeciphered positions (Top-10 shown)

Mask PositionTop-10 Predictions
04鑾, 旂, 舄, 筆, 㫃, 金, 矢, 黃, 弓, 璋
08介, 伯, 市, 限, 客, 期, 制, 政, 宰, 人
15之, 外, 一, 若, 內, 賜, 邑, 大, 下, 又
16賜, 折, 喬, 杜, 乘, 造, 擇, 柞, 之, 于
17則, 許, 弗, 不, 人, 亦, 也, 而, 帛, 乃
18則, 曰, 不, 弗, 許, 告, 厥, 多, 有, 用
28其, 厥, 若, 越, 乃, 我, 以, 汝, 如, 余

How to Use

Quick start

A minimal example for masked language modeling:

from transformers import AutoTokenizer, AutoModelForMaskedLM

model_name = "wjhuah/BIRD"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForMaskedLM.from_pretrained(model_name)

text = "唯王元年六月既朢乙亥,王在周穆王太[mask]"
inputs = tokenizer(text, return_tensors="pt")
outputs = model(**inputs)

Citation

If you use this model, please cite our EMNLP 2025 paper:

@inproceedings{hua2025bird,
  title     = {BIRD: Bronze Inscription Restoration and Dating},
  author    = {Hua, Wenjie and Nguyen, Hoang H. and Ge, Gangyan},
  booktitle = {Proceedings of the 2025 Conference on Empirical Methods in Natural Language Processing},
  year      = {2025},
  publisher = {Association for Computational Linguistics}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры
BertForMaskedLM
Ревизия весов
25c830f

0 моделей