/ Модель

Характеристики

Контекст
8 192 токена
Параметры
149 млн
Лицензия
Apache 2.0
Архитектура
modernbert · dense
Библиотека
transformers
Опубликована
22 фев 2026

modernbert-tr-base-1k

Заполнение пропусковТекст → текст7 профессий

Турецкий энкодер ModernBERT с маскированным языковым моделированием для заполнения пропусков и построения решений для NLP-задач на турецком языке.

917скачиваний за 30 дней21лайквеса обновлены29 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

ModernBERT-TR 1k — турецкая энкодерная модель на архитектуре ModernBERT, разработанная Besher Alkurdi, Himmet Toprak Kesgin, Muzaffer Kaan Yuce и Mehmet Fatih Amasyali. Это модель с маскированным языковым моделированием, предварительно обученная с нуля на 144,4 млрд токенов; она содержит 148,7 млн параметров и поддерживает контекст до 8192 токенов. Архитектура включает 22 слоя, скрытый размер 768, 12 голов внимания, RoPE, GLU и чередование локального и глобального внимания. Используется собственный токенизатор WordPiece на 50 тысяч токенов, оптимизированный для морфологии турецкого языка.

Модель предназначена как базовый энкодер для турецких NLP-задач: заполнения пропусков, классификации текста, семантического сходства, распознавания текстовых отношений и поиска информации. В опубликованных авторами оценках она показала сильные результаты на наборах турецких задач, включая линейное зондирование и полное дообучение; для специализированных сценариев модель можно дообучать. Метаданные указывают формат safetensors и библиотеку Transformers. Лицензия — Apache-2.0.

Сценарии применения

  • заполнение пропусков в турецких текстах
  • классификация турецких текстов после дообучения
  • оценка семантического сходства турецких предложений после дообучения
  • распознавание текстовых отношений на турецком языке после дообучения
  • поиск информации в турецких текстах после дообучения

Ограничения

Это энкодерная модель для понимания текста, а не генеративный чат-ассистент; для прикладных задач, кроме заполнения масок, может потребоваться дообучение. Заявленные сравнительные результаты приведены авторами README.

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

ModernBERT-TR 1k

A Modern Encoder Foundation Model for Turkish

Besher Alkurdi, Himmet Toprak Kesgin, Muzaffer Kaan Yuce, Mehmet Fatih Amasyali

Web Page · Paper (soon) · Training Code · Evaluation Code

Overview

ModernBERT-TR 1k is a 150M-parameter Turkish encoder pretrained from scratch on 144.4B tokens using the ModernBERT architecture. It uses a custom 50K WordPiece tokenizer optimized for Turkish morphology.

Architecture: 22 layers, 768 hidden, 12 heads, RoPE, GLU, alternating local-global attention, Flash Attention, sequence-packed training.

Results

Frozen Linear Probing (11 Turkish NLP tasks)

ModelParamsAvg
ModernBERT-TR 1k150M60.2
Turkish-E5-large560M53.2
mmBERT307M54.9
TabiBERT~150M49.1
BERTurk111M35.3

+13.1% relative over next-best. +70.3% relative over BERTurk. Outperforms models up to 4x larger.

TabiBench Full Fine-Tuning (28 tasks)

ModelParamsAvg
ModernBERT-TR 1k150M77.28
TabiBERT~150M77.58
BERTurk110M75.96

Leads in 5/8 categories (text classification, STS, NLI, academic understanding, information retrieval). TabiBERT leads in code retrieval and QA (trained on code/math data).

Usage

from transformers import AutoModelForMaskedLM, AutoTokenizer

tokenizer = AutoTokenizer.from_pretrained("ytu-ce-cosmos/modernbert-tr-base-1k")
model = AutoModelForMaskedLM.from_pretrained("ytu-ce-cosmos/modernbert-tr-base-1k")

text = "Türkiye'nin başkenti [MASK]'dır."
inputs = tokenizer(text, return_tensors="pt")
outputs = model(**inputs)

Training Details

DataFineWeb-2 Turkish (41.2B tokens) + BertTurk Corpus 5x (31.0B tokens) = 72.2B/epoch, 2 epochs
Tokenizer50K WordPiece, trained on Turkish data
OptimizerStableAdamW, peak LR 2e-4, cosine schedule
Batch size256 sequences (262K tokens/step)
MLM masking30% (train) / 15% (eval)
Hardware4x NVIDIA H100, 623 GPU-hours
PrecisionBF16 mixed precision
Context1,024 tokens

Citation

@article{modernberttr1k,
  title   = {Modern{BERT}-{TR}: A Modern Encoder Foundation Model for {Turkish}},
  author  = {Alkurdi, Besher and Kesgin, Himmet Toprak and Yuce, Muzaffer Kaan and Amasyali, Mehmet Fatih},
  journal = {Research Square},
  year    = {2026},
  doi     = {10.21203/rs.3.rs-9500377/v1},
  url     = {https://doi.org/10.21203/rs.3.rs-9500377/v1},
  note    = {Preprint},
}

Acknowledgments

Supported by Yildiz Technical University (FDK-2024-6070) and TUBITAK (124E055). Built on the ModernBERT codebase with FineWeb-2 and BertTurk Corpus data.

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
ModernBertForMaskedLM
Ревизия весов
c2e35f5

0 моделей