/ Модель

Характеристики

Контекст
8 192 токена
Параметры
395 млн
Лицензия
Apache 2.0
Архитектура
modernbert · dense
Базовая модель
ModernBERT-large
Библиотека
transformers
Опубликована
19 фев 2025

ModernBERT-large

Заполнение пропусковТекст → текст7 профессий

Скандинавская версия ModernBERT-large для заполнения пропусков, получения эмбеддингов и дообучения на задачах NLP.

386скачиваний за 30 дней7лайковвеса обновлены21 сен 2025

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

AI Sweden выпустила эту модель как продолжение предобучения answerdotai/ModernBERT-large на скандинавских текстах из The Nordic Pile и SWEb. Это плотный двунаправленный энкодер ModernBERT с архитектурой ModernBertForMaskedLM и примерно 395 млн параметров; он сохраняет контекстное окно 8192 токена. Токенизатор обучен с нуля на подмножестве скандинавских данных, а продолжение предобучения выполнено на дополнительных данных объёмом около 1,2 трлн токенов.

Модель предназначена прежде всего для заполнения пропусков, извлечения эмбеддингов и дообучения для NLP-задач на шведском, норвежском, датском и исландском языках. Её можно использовать как энкодер в стиле BERT для классификации, распознавания именованных сущностей и ответов на вопросы; в Transformers доступен сценарий fill-mask. Модель выпущена как исследовательский артефакт по лицензии Apache-2.0.

Веб-данные могут содержать шум, стереотипы и чувствительный контент. Экстраполяция RoPE за пределы контекста в 8192 токена не проверена и может ухудшить качество.

Сценарии применения

  • подстановка пропущенных слов в шведских текстах
  • извлечение эмбеддингов из скандинавских документов
  • классификация текстов на шведском, норвежском, датском или исландском
  • распознавание именованных сущностей в скандинавских текстах
  • дообучение энкодера для поиска ответов на вопросы по скандинавским текстам

Ограничения

Веб-корпуса могут содержать шум, стереотипы и чувствительный контент. Экстраполяция RoPE за пределы 8192 токенов не проверена и может ухудшить качество.

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

Overview

This checkpoint continues the pre-training of answerdotai/ModernBERT-large on Scandinavian text, extending the model’s knowledge with ~1.2 trillion additional masked-language-model (MLM) tokens drawn from The Nordic Pile and SWEb while preserving the original 8k token context window.

This is a research artefact and is only intended for research purposes.

Our tokenizer is trained from scratch on a subset of 11 985 103 472 tokens.

The training is done in one stage with 8192 tokens per sample for the whole run.

Data Sources

CorpusSizeSelected LanguagesHighlights
The Nordic Pile1.2 TB raw textsv, no, da, isNine diverse categories (CC, Wikipedia, Books, Code, etc.), filtered and deduplicated for high quality
SWEb1 T+ tokens (~3.6 TB)sv, no, da, is98 Common-Crawl snapshots with model-based HTML extraction; 1.2 B documents

Training Setup

SettingValue
Parameters395 M
Context length8 192 tokens (RoPE + local-global attention)
Tokens processed1.20 × 1012
Tokens per batch1 572 864
Global batch192 sequences (micro-batch = 3)
Optimizer & scheduleDecoupled StableAdamW, lr 2 e-4, cosine decay (1 % warm-up)
PrecisionAMP-bf16
Hardware8 nodes × 8 AMD MI250X GPUs (64 GPUs) on the EuroHPC LUMI-G system

See training details here

Training Stats

[token=1198511677292/1198510347252]:
	 Train time/batch: 873585
	 Train time/sample: 167728320
	 Train time/batch_in_epoch: 3558
	 Train time/sample_in_epoch: 683136
	 Train time/token: 1198510256276
	 Train time/token_in_epoch: 4882888303
	 Train trainer/device_train_microbatch_size: 3
	 Train loss/train/total: 0.7730
	 Train throughput/batches_per_sec: 0.6293
	 Train throughput/samples_per_sec: 120.8212
	 Train throughput/device/batches_per_sec: 0.0098
	 Train throughput/device/samples_per_sec: 1.8878
	 Train throughput/tokens_per_sec: 865578.9851
	 Train throughput/device/tokens_per_sec: 13524.6716
	 Train time/train: 385.2930
	 Train time/val: 0.0000
	 Train time/total: 385.2930
	 Train lr-StableAdamW/group0: 0.0000
	 Train lr-StableAdamW/group1: 0.0000

Intended Use

This is a research artefact and is only intended for research purposes.

  • Fill-mask inference, embedding extraction and fine-tuning for Scandinavian downstream NLP tasks (classification, NER, QA, etc.).
  • Drop-in replacement for BERT-style encoders (omit token_type_ids).

Fill-mask

from transformers import pipeline
unmasker = pipeline('fill-mask', model='AI-Sweden-Models/ModernBERT-large')
unmasker("Huvudstaden i Sverige är [MASK].")
[{'score': 0.5732529759407043,
  'token': 2961,
  'token_str': ' Stockholm',
  'sequence': 'Huvudstaden i Sverige är  Stockholm.'},
 {'score': 0.06222670152783394,
  'token': 4481,
  'token_str': ' Göteborg',
  'sequence': 'Huvudstaden i Sverige är  Göteborg.'},
 {'score': 0.02539575845003128,
  'token': 5882,
  'token_str': ' Malmö',
  'sequence': 'Huvudstaden i Sverige är  Malmö.'},
 {'score': 0.024683712050318718,
  'token': 19931,
  'token_str': ' Norrköping',
  'sequence': 'Huvudstaden i Sverige är  Norrköping.'},
 {'score': 0.02418600209057331,
  'token': 28202,
  'token_str': ' Solna',
  'sequence': 'Huvudstaden i Sverige är  Solna.'}]

Limitations & Biases

  • Web corpora can contain noise, stereotypes and sensitive content despite filtering.
  • RoPE extrapolation beyond 8 k tokens is untested and may degrade.

Code to reproduce

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
0a09cfa

0 моделей