/ Модель

Характеристики

Контекст
512 токенов
Параметры
857 млн
Лицензия
MIT
Архитектура
deberta · dense
Опубликована
11 окт 2026

deberta-xlarge

Заполнение пропусковТекст → текст

Производная модели microsoft/deberta-xlarge. Англоязычная модель DeBERTa от Microsoft для предсказания замаскированных слов и дообучения на задачах понимания текста.

12скачиваний за 30 дней0лайковвеса обновлены11 окт 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

Карточка модели CollectionStudio/deberta-xlarge на Hugging Face совпадает с карточкой microsoft/deberta-xlarge, поэтому описание составлено по ней.

microsoft/deberta-xlarge — англоязычная модель DeBERTa, разработанная Microsoft для задач понимания естественного языка. Она развивает подходы BERT и RoBERTa с помощью раздельного внимания (disentangled attention) и улучшенного декодера маски; в README указаны 48 слоёв и размер скрытого состояния 1024, а метаданные каталога — 856,8 млн параметров и контекст до 512 токенов.

Модель предназначена прежде всего для заполнения пропусков в тексте: она предсказывает замаскированные токены с учётом контекста. Её также можно дообучать для задач NLU, включая классификацию текста и ответы на вопросы; приведённые в README результаты относятся к дообученным вариантам и не гарантируют такую же точность у этого базового чекпойнта. Доступны веса PyTorch и TensorFlow. Лицензия — MIT.

Сценарии применения

  • заполнение пропусков в англоязычном тексте
  • предсказание замаскированного слова по контексту
  • дообучение классификатора англоязычных текстов
  • адаптация для ответов на вопросы по тексту

Ограничения

Контекст ограничен 512 токенами; базовая модель предназначена для заполнения масок, а качество на классификации и ответах на вопросы требует дообучения.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

DeBERTa: Decoding-enhanced BERT with Disentangled Attention

DeBERTa improves the BERT and RoBERTa models using disentangled attention and enhanced mask decoder. With those two improvements, DeBERTa out perform RoBERTa on a majority of NLU tasks with 80GB training data.

Please check the official repository for more details and updates.

This the DeBERTa XLarge model with 48 layers, 1024 hidden size. Total parameters 750M.

Fine-tuning on NLU tasks

We present the dev results on SQuAD 1.1/2.0 and several GLUE benchmark tasks.

ModelSQuAD 1.1SQuAD 2.0MNLI-m/mmSST-2QNLICoLARTEMRPCQQPSTS-B
F1/EMF1/EMAccAccAccMCCAccAcc/F1Acc/F1P/S
BERT-Large90.9/84.181.8/79.086.6/-93.292.360.670.488.0/-91.3/-90.0/-
RoBERTa-Large94.6/88.989.4/86.590.2/-96.493.968.086.690.9/-92.2/-92.4/-
XLNet-Large95.1/89.790.6/87.990.8/-97.094.969.085.990.8/-92.3/-92.5/-
DeBERTa-Large195.5/90.190.7/88.091.3/91.196.595.369.591.092.6/94.692.3/-92.8/92.5
DeBERTa-XLarge1-/--/-91.5/91.297.0--93.192.1/94.3-92.9/92.7
DeBERTa-V2-XLarge195.8/90.891.4/88.991.7/91.697.595.871.193.992.0/94.292.3/89.892.9/92.9
DeBERTa-V2-XXLarge1,296.1/91.492.2/89.791.7/91.997.296.072.093.593.1/94.992.7/90.393.2/93.1

Notes.

cd transformers/examples/text-classification/
export TASK_NAME=mrpc
python -m torch.distributed.launch --nproc_per_node=8 run_glue.py   --model_name_or_path microsoft/deberta-v2-xxlarge   \
--task_name $TASK_NAME   --do_train   --do_eval   --max_seq_length 128   --per_device_train_batch_size 4   \
--learning_rate 3e-6   --num_train_epochs 3   --output_dir /tmp/$TASK_NAME/ --overwrite_output_dir --sharded_ddp --fp16

Citation

If you find DeBERTa useful for your work, please cite the following paper:

@inproceedings{
he2021deberta,
title={DEBERTA: DECODING-ENHANCED BERT WITH DISENTANGLED ATTENTION},
author={Pengcheng He and Xiaodong Liu and Jianfeng Gao and Weizhu Chen},
booktitle={International Conference on Learning Representations},
year={2021},
url={https://openreview.net/forum?id=XPZIaotutsD}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · fill-mask

Можно запустить

Подбираем GPU…

Ревизия весов
6d44dc4

0 моделей