/ Модель

Характеристики

Контекст
8 192 токена
Параметры
149 млн
Архитектура
modernbert · dense
Базовая модель
ModernBERT-base
Библиотека
transformers
Опубликована
30 авг 2026

Merge_Soup_CX

Заполнение пропусковТекст → текст3 профессии

Англоязычная ModernBERT-модель, адаптированная к климатическим текстам для заполнения пропусков и последующего дообучения на задачах климатического NLP.

21скачиваний за 30 дней0лайковвеса обновлены30 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

CMB-ClimateModernBERT/Merge_Soup_CX — англоязычная encoder-only модель ModernBERT-Base, дообученная на климатических текстах методом continued pretraining и представленная как merge-soup чекпойнт. Она предназначена для заполнения пропусков в тексте и как основа для дообучения под климатическую классификацию, многометочную разметку и поиск по научным публикациям, новостям, политическим документам и корпоративной отчётности. Модель содержит 149 млн параметров, работает с текстом и поддерживает контекст до 8192 токенов. Обучение использовало академические материалы, климатический веб-текст и синтетические данные.

В описанной авторами оценке модель получила средний F1 74,2 на девяти климатических NLP-бенчмарках; результаты усреднены по трём запускам дообучения. Это masked language model, а не система, следующая инструкциям, и её выходы не дают калибрированных гарантий фактической точности. Модель ограничена английским языком, а преимущества состава обучающего корпуса проверены в климатическом NLP и не обобщаются автоматически на другие области. Лицензия в предоставленных сведениях не указана.

Сценарии применения

  • Заполнение пропусков в англоязычных климатических текстах
  • Дообучение классификатора климатических новостей и документов
  • Многометочная разметка корпоративных климатических раскрытий
  • Поиск по научной литературе о климате
  • Анализ климатических обязательств и мер по сокращению выбросов
  • Классификация рекомендаций TCFD и других климатических рамок

Ограничения

Модель обучена для английского языка и не является инструкционной; её ответы не обеспечивают калиброванных гарантий достоверности. Эффекты состава корпуса проверялись в климатическом NLP и не должны автоматически переноситься на другие области; на отдельных задачах синтетические данные могут ухудшать понимание дискурса и обязательств.

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

ClimateModernBERT · Soup (Phase-1 components)

Part of ClimateModernBERT, a family of climate-domain encoders obtained by continued pretraining of ModernBERT-Base on climate text.

RepositoryCMB-ClimateModernBERT/Merge_Soup_CX
Namingcorpora in A_S_F order, then the training stage: CX = Phase 1, CX_LRD = Phase 1 + Phase 2
CorporaAcademic + Synthetic + Climate Web — {𝒜, 𝒮, ℱ} in the paper's notation
Training stagePhase 1 · Continued Pretraining (legacy suffix CX)
Base modelModernBERT-Base, pre-LRD stable-phase checkpoint
Architecture150M parameters · 22 layers · hidden 768 · 12 heads · vocab 50,368 · 8,192-token context
StatusPaper
Merge methodLinear (uniform weight averaging, normalized)
Merged fromCMB-ClimateModernBERT/A_CX, CMB-ClimateModernBERT/F_CX, CMB-ClimateModernBERT/S_CX
Paper notationθSoup (CX)

Appendix F, Table 10 — the LRD-free counterpart of θSoup.

Republished from sraj/Merge_Linear_CX_only under a name that matches the paper's notation. The weights are identical; the original repository remains available.

Training data

Continued pretraining used Academic + Synthetic + Climate Web from a 6.42B-token climate corpus:

CorpusTokensDescription
𝒜Academic~1.28BPeer-reviewed journal articles across climate science, earth systems and energy economics; the ClimateNews archive 2000–2022; climate arXiv preprints; climate handbooks.
ℱClimate Web~5BFineWeb-Edu filtered for climate relevance with a 166-term keyword filter followed by a FastText classifier.
𝒮Synthetic~0.14BLLM-generated climate text conditioned on in-domain seed excerpts, in three communication styles.

Raw academic text is not redistributed: peer-reviewed articles are accessed under institutional publisher licenses, and news shards and handbooks were collected for non-commercial research use. The processing pipelines are released instead.

Training procedure

Two stages, following ModernBERT's own continued-pretraining recipe:

  • Phase 1 — context extension. 3 epochs, constant LR 3e-4, global batch 576, sequence length 8,192, MLM masking 30%, StableAdamW, BF16.
  • Phase 2 — LRD specialization. 3 further epochs on a 1 − √t decay schedule from LR 3e-4 with final LR factor 1e-3.

4× NVIDIA A100, MosaicML Composer. Final checkpoints are converted to HF Transformers format.

Usage

ModernBERT is native to transformers from 4.48 onward, so no trust_remote_code is required.

from transformers import AutoTokenizer, AutoModel

model_id = "CMB-ClimateModernBERT/Merge_Soup_CX"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModel.from_pretrained(model_id)

inputs = tokenizer("Scope 1 and 2 emissions fell 12% against a 2019 baseline.", return_tensors="pt")
outputs = model(**inputs)   # outputs.last_hidden_state -> (batch, seq, 768)

For a downstream task, load AutoModelForSequenceClassification and fine-tune. The paper's recipe: LR 4e-5, effective batch 64, weight decay 0.01, up to 10 epochs with early stopping on validation F1, BF16 with fused AdamW.

Evaluation

This checkpoint reaches 74.2 average F1 across the nine benchmarks, as reported in the manuscript.

Evaluated on nine climate NLP benchmarks: Climate Detection, Climate Specificity, Commitments & Actions, Climate Sentiment, Net Zero & Reduction, TCFD Recommendations, WFB Nature, WXImpactBench, and ClimRetrieve. Binary tasks and ClimRetrieve report positive-class F1; multi-class and multi-label tasks report macro-F1. Scores are the mean over three fine-tuning seeds under a single shared hyperparameter configuration.

Reference points from the paper: the ModernBERT-Base stable-phase baseline reaches 73.5 average F1, and ClimateBERT reaches 72.1 under the same protocol.

For general use, prefer CMB-ClimateModernBERT/Merge_Soup_LRD, the merged model that reaches 76.3 average F1.

Intended use

Research on climate NLP: encoding climate text, and fine-tuning for classification, multi-label tagging, and retrieval over corporate disclosures, policy documents, scientific literature and climate news.

Limitations

  • English only, and built on a single encoder family (ModernBERT-Base).
  • Current climate NLP benchmarks are largely sentence- or passage-level, so the model's long-context capacity is not fully exercised by the reported evaluation.
  • Findings about corpus composition are demonstrated within climate NLP and should not be read as universal principles of domain adaptation.
  • Synthetic training data has task-dependent effects: it helps taxonomy- and framework-driven tasks while degrading performance on tasks requiring finer-grained discourse and commitment understanding.
  • The model is a masked language model, not an instruction-following system, and produces no calibrated factual guarantees about climate science.

Paper

Climate-ModernBERT: Revisiting Corpus Composition for Domain-Adaptive Continued Pretraining. Preprint manuscript, currently under review — no venue, DOI or arXiv identifier yet, and no citation to give. The PDF is hosted in the project repository.

License

Not yet set on this repository. The upstream base model is ModernBERT-Base; check its terms, and those of the underlying corpora, before redistributing. No license is asserted here on the maintainers' behalf.

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
b541298

0 моделей