/ Модель

Характеристики

Контекст
512 токенов
Лицензия
CC BY-NC 4.0
Архитектура
gpt2 · dense
Библиотека
transformers
Опубликована
18 июл 2026

babylm-2026-mtl-stage2

Генерация текстаТекст → текст3 профессии

Исследовательская GPT-2-подобная модель на 213 млн параметров для генерации текста на английском, нидерландском и китайском в экспериментах BabyLM.

91скачиваний за 30 дней0лайковвеса обновлены11 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

babylm-2026-mtl-stage2 — исследовательская GPT-2-подобная причинная языковая модель на 213 млн параметров, разработанная для многоязычного трека BabyLM 2026. Она обучена с нуля в рамках лимита соревнования на английском, нидерландском и китайском текстах; архитектура включает декодер GPT-2 с предсказанием нескольких токенов (MTP), контекст — 512 токенов.

Вариант stage2 ориентирован на результаты без дополнительного обучения: часть реальных данных заменена синтетическими текстами повышенного качества, сгенерированными Qwen3.5-9B. В README приведены результаты на наборах разработки: средний показатель по 16 задачам без обучения — 58,40%, а по 22 задачам с дообучением — 39,52%; вариант показывает компромисс между этими режимами. Модель предназначена для экспериментов с эффективным многоязычным языковым моделированием в условиях BabyLM, а не для производственного применения. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

Сценарии применения

  • генерация английского текста в экспериментах по малым языковым моделям
  • генерация нидерландского текста в исследованиях BabyLM
  • генерация китайского текста в исследованиях BabyLM
  • сравнение результатов zero-shot и дообучения в многоязычных задачах

Ограничения

Модель невелика и предназначена для исследований, а не для производственного применения; результаты приведены на наборах разработки и могут зависеть от повторного использования оценочных данных. Лицензия CC BY-NC 4.0 запрещает коммерческое использование.

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

babylm-2026-mtl-stage2

A 213M-parameter GPT-2-style causal language model for the multilingual track of the BabyLM 2026 Challenge (English, Dutch, Chinese), trained from scratch within the 100M English-equivalent-word budget.

This is the zero-shot-oriented variant. It is identical to babylm-2026-mtl-bigckpt except that part of the real text is replaced by higher-quality synthetic data, which raises zero-shot at the cost of fine-tuning.

Model details

ArchitectureGPT-2-style decoder with multi-token prediction (MTP)
Parameters212,790,272 (213M)
Layers / heads / hidden14 / 16 / 1024
Context length512
Tokenizerbyte-level BPE, 32,000 vocab
Training objectivenext-token + MTP auxiliary heads ($k{=}4$, ramped $1\to4$ over epochs; only the first head is used at inference)
OptimizerAdamW, peak LR $4.5\times10^{-4}$, 10 epochs
TrackBabyLM 2026 multilingual
LanguagesEnglish, Dutch, Chinese

Training data

Same as babylm-2026-mtl-bigckpt (BabyBabelLM + Tatoeba/OPUS-100 parallel text + task-family-targeted synthetic text from Qwen3.5-4B), plus higher-quality synthetic data (Qwen3.5-9B, ~14% of the corpus) replacing part of the real text to maximize zero-shot.

Published training data: 1ghub/babylm-2026-mtl-data

Note on budget. The track measures the budget in bytes: the 100M-word tier is 543.00 MB, and a corpus qualifies while its UTF-8 size divided by the language premium stays at or below that. We use the coefficients published in the organizers' table: English 1.0, Dutch 1.0516, and simplified Chinese 0.93597, the script BabyBabelLM uses. (The 0.9894 listed in the call for papers is the coefficient that table gives for traditional Chinese.) Under this rule the training corpus is 527.7 MB of English-equivalent bytes, 97.2% of the cap.

Results

Development-set scores (percentages):

MetricScore
Zero-shot (16-task mean, ZS16)58.40 (higher than bigckpt)
Fine-tuning (22-task mean, FT22)39.52
ZS — English / Dutch / Chinese60.52 / 60.27 / 54.03

Relative to bigckpt, replacing real text with higher-quality synthetic data increases zero-shot (ZS16 57.82 → 58.40) and decreases fine-tuning (FT22 41.25 → 39.52). This model illustrates one pole of that trade-off.

Intended use and limitations

Research model for data-efficient multilingual language modeling under the BabyLM setting. Small model, developmentally plausible data budget, not intended for production use. Scores are on development sets and are subject to selection bias from evaluation reuse.

Teacher models

Synthetic training text was generated (not distilled) by Qwen3.5-4B and Qwen3.5-9B, approved teachers for the challenge. Generation prompts used task-level descriptions.

Citation

Companion paper: Language Allocation and Targeted Data Design for a Multilingual BabyLM (BabyLM 2026 Workshop, EMNLP 2026).

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
GPT2MTP
Ревизия весов
9c37461

0 моделей