Aller au contenu principal
Accès ouvert déclaré 2026 conference-paper

AraModernBERT: Transtokenized Initialization and Long-Context Encoder Modeling for Arabic

0Citations signalées, ce qui n’est pas une note de qualité
7Institutions déclarées
6Pays d’affiliation déclarés

Rattachement africain : us, de, it, se, sy, Égypte. Niveau de preuve : code pays fourni par la source.

Le résumé fourni par la source

Encoder-only transformer models remain widely used for discriminative NLP tasks, yet recent architectural advances have largely focused on English.In this work, we present AraModernBERT, an adaptation of the Mod-ernBERT encoder architecture to Arabic, and study the impact of transtokenized embedding initialization and native long-context modeling up to 8,192 tokens.We show that transtokenization is essential for Arabic language modeling, yielding dramatic improvements in masked language modeling performance compared to non-transtokenized initialization.We further demonstrate that AraModernBERT supports stable and effective long-context modeling, achieving improved intrinsic language modeling performance at extended sequence lengths.Downstream evaluations on Arabic natural language understanding tasks, including inference, offensive language detection, question-question similarity, and named entity recognition, confirm strong transfer to discriminative and sequence labeling settings.Our results highlight practical considerations for adapting modern encoder architectures to Arabic and other languages written in Arabicderived scripts.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.

Le contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref
AraModernBERT: Transtokenized Initialization and Long-Context Encoder Modeling for Arabic
Date Crossref
01/01/2026
Éditeur
Association for Computational Linguistics
Type
proceedings-article

Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.

Les institutions déclarées

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Les sujets associés

Natural Language Processing TechniquesSpeech Recognition and SynthesisTopic Modeling

BNTIC News n’est pas le producteur de ces données. Les publications sont interrogées à la demande dans Crossref, OpenAIRE, DOAJ, Europe PMC, HAL, DataCite, AfricArXiv, ROR et la Banque mondiale, sans clé d’accès. OpenAlex reste optionnel. Aucun service payant n’est nécessaire et aucune donnée externe n’est enregistrée en base. Consulter les sources et leurs limites.