/ Модель

Характеристики

Контекст
8 192 токена
Параметры
307 млн
Лицензия
Apache 2.0
Архитектура
modernbert · dense
Базовая модель
MrBERT
Библиотека
transformers
Опубликована
23 дек 2025

MrBERT-science

Заполнение пропусковТекст → текст5 профессий

Многоязычная модель ModernBERT, адаптированная к научным текстам на английском и испанском языках для заполнения пропусков и построения систем анализа научных публикаций.

156скачиваний за 30 дней0лайковвеса обновлены9 апр 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

MrBERT-science — многоязычная энкодерная модель для научного текста, разработанная лабораторией Language Technologies Lab Барселонского суперкомпьютерного центра. Она получена доменной адаптацией MrBERT: веса исходной модели дообучены на научном корпусе объёмом 3,6 млрд токенов, из которых 38,1% испанские и 61,9% английские.

Модель построена на архитектуре ModernBERT и содержит около 307 млн параметров. Она обучена по задаче Masked Language Modeling и поддерживает заполнение пропусков в тексте; в метаданных указан контекст до 8192 токенов. Карточка приводит результаты на научной классификации, поиске и тематических бенчмарках, поэтому модель может служить основой для прикладных систем анализа научных публикаций на английском и испанском языках.

Лицензия Apache-2.0. Авторы предупреждают о возможных смещениях и непреднамеренных искажениях; при использовании в сторонних системах ответственность за снижение рисков и соблюдение применимых требований лежит на пользователе.

Сценарии применения

  • заполнение пропусков в научных текстах
  • классификация научных аннотаций по тематике
  • классификация научных абзацев
  • поиск релевантных научных публикаций
  • создание энкодера для анализа научного текста

Ограничения

Возможны смещения и непреднамеренные искажения; результаты на бенчмарках не гарантируют качество в конкретном сценарии.

Для каких профессий подходит5

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

MrBERT-science Model Card

MrBERT-science is a new foundational multilingual science model built on the ModernBERT architecture. The model is obtained via domain adaptation from MrBERT, initializing all weights from MrBERT and further training on a domain-specific scientific corpus comprising comprising 3.6B tokens (38.1% Spanish, 61.9% English).

Technical Description

Technical details of the MrBERT-science model.

DescriptionValue
Model Parameters308M
Tokenizer TypeSPM
Vocabulary size256000
Precisionbfloat16
Context length8192

Training Hyperparemeters

HyperparameterValue
Pretraining ObjectiveMasked Language Modeling
Learning Rate6E-04
Learning Rate SchedulerCosine
Warmup360,000,000 tokens
Optimizerdecoupled_stableadamw
Optimizer HyperparametersAdamW (β1=0.9,β2=0.98,ε =1e-06 )
Weight Decay1E-05
Global Batch Size512
Dropout1E-01
Activation FunctionGeLU

How to use

>>> from transformers import pipeline
>>> from pprint import pprint

>>> unmasker = pipeline('fill-mask', model='BSC-LT/MrBERT-science')

>>> pprint(unmasker("Hubble's<mask>describes the expansion of the universe and the relationship between a galaxy's distance and its recessional velocity.", top_k=3))
[{'score': 0.8211672902107239,
  'sequence': "Hubble's law describes the expansion of the universe and the "
              "relationship between a galaxy's distance and its recessional "
              'velocity.',
  'token': 21673,
  'token_str': 'law'},
 {'score': 0.16654537618160248,
  'sequence': "Hubble's Law describes the expansion of the universe and the "
              "relationship between a galaxy's distance and its recessional "
              'velocity.',
  'token': 18573,
  'token_str': 'Law'},
 {'score': 0.0063100955449044704,
  'sequence': "Hubble's equation describes the expansion of the universe and "
              "the relationship between a galaxy's distance and its "
              'recessional velocity.',
  'token': 174396,
  'token_str': 'equation'}]

EVALUATION:

In addition to the MrBERT family, the following base foundation models were considered:

Multilingual Foundational ModelNumber of ParametersVocab SizeDescription
xlm-roberta-base279M250KFoundational RoBERTa model pretrained with CommonCrawl data containing 100 languages.
mRoBERTa283M256KRoBERTa base model pretrained with 35 European languages and a larger vocabulary size.
mmBERT308M250KMultilingual ModernBERT pre-trained with staged language learning.
INDUS125M50kRoBERTa-based, Encoder-only transformer model, domain-adapted for NASA Science Mission Directorate (SMD) applications
SciBERT110M31kBERT model trained on scientific text.

The benchmarks used for comparison are:

  • MTEB: Subset of scientific-related tasks.
  • AbScientia: A Spanish scientific abstracts dataset focused on STEM disciplines, organized into 24 unified categories to capture the specifications of Spanish scientific language. The reported metric is accuracy.
  • Scientific-paragraphs-categorization ('en' split): A large-scale topic-classification dataset built from open-access scientific publications, classified into 26 scientific topics to capture the characteristics of standard English scientific language. The reported metric is accuracy.
Task NameTask TypemmBERT (308M)MrBERT (308M)MrBERT-es (150M)INDUS (125M)SciBERT (110M)MrBERT-science (308M)
abscientia (ES)Text Classification82.6681.9882.3979.2480.8082.34
scientific_paragraphs (EN)Text Classification60.2261.0260.8263.9562.7762.20
chemhotpotqa (EN)Retrieval62.7362.7056.9463.7964.4362.94
chemnq (EN)Retrieval34.8739.7029.3739.7839.0936.65
climate_fever_v2 (EN)Retrieval23.3223.2121.5223.9123.0623.04
litsearch (EN)Retrieval11.0612.1712.4112.2413.5211.78
Average (EN)All Tasks38.4439.7636.2140.7340.5739.32
Average (EN + ES)All Tasks44.7645.7942.8146.2346.3245.47

Additional information

Author

The Language Technologies Lab from Barcelona Supercomputing Center.

Contact

For further information, please send an email to langtech@bsc.es.

Copyright

Copyright(c) 2026 by Language Technologies Lab, Barcelona Supercomputing Center.

Funding

This work has been supported and funded by the Ministerio para la Transformación Digital y de la Función Pública and the Plan de Recuperación, Transformación y Resiliencia – funded by the EU through NextGenerationEU, within the framework of the Modelos del Lenguaje project, as well as by the European Union – NextGenerationEU. Views and opinions expressed are however those of the author(s) only and do not necessarily reflect those of the European Union or European Commission. Neither the European Union nor the European Commission can be held responsible for them.

Acknowledgements

This project has benefited from the contributions of numerous teams and institutions through data contributions.

In Catalonia, many institutions have been involved in the project. Our thanks to Òmnium Cultural, Parlament de Catalunya, Institut d'Estudis Aranesos, Racó Català, Vilaweb, ACN, Nació Digital, El món and Aquí Berguedà.

At national level, we are especially grateful to our ILENIA project partners: CENID, HiTZ and CiTIUS for their participation. We also extend our genuine gratitude to the Spanish Senate and Congress, Fundación Dialnet, Fundación Elcano and the ‘Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numéricas en Ingeniería (SIANI)’ of the University of Las Palmas de Gran Canaria.

At the international level, we thank the Welsh government, DFKI, Occiglot project, especially Malte Ostendorff, and The Common Crawl Foundation, especially Pedro Ortiz, for their collaboration.

Their valuable efforts have been instrumental in the development of this work.

Disclaimer

Be aware that the model may contain biases or other unintended distortions. When third parties deploy systems or provide services based on this model, or use the model themselves, they bear the responsibility for mitigating any associated risks and ensuring compliance with applicable regulations, including those governing the use of Artificial Intelligence.

The Barcelona Supercomputing Center, as the owner and creator of the model, shall not be held liable for any outcomes resulting from third-party use.

License

Apache License, Version 2.0

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
a047922

0 моделей