/ Модель

Характеристики

Контекст
512 токенов
Параметры
27,9 млн
Лицензия
MIT
Библиотека
transformers
Опубликована
19 июл 2026

gpt-bert-entmax-graded

Генерация текстаТекст → текст3 профессии

Компактная гибридная GPT-BERT-модель NTUA для маскированного и авторегрессионного языкового моделирования в условиях конкурса BabyLM.

53скачиваний за 30 дней0лайковвеса обновлены19 июл 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

gpt-bert-entmax-graded — гибридная языковая модель GPT-BERT, представленная командой NTUA как заявка на BabyLM 2026 Strict-Small. Она обучена на датасете BabyLM 2026 Strict-Small с ограничением до 100 млн слов, включая повторные предъявления, и предназначена для экспериментов с языковым моделированием на небольшом объёме данных.

Модель содержит 27,9 млн параметров: 12 слоёв, скрытое представление размерности 384 и 6 голов внимания. Внимание использует alpha-entmax с разным расписанием параметра alpha по слоям; обучение сочетает маскированное и авторегрессионное предсказание, преимущественно маскированное. Контекст составляет 512 токенов. Репозиторий опубликован в формате PyTorch; для загрузки требуется Transformers с trust_remote_code=True и пакет entmax. Лицензия — MIT.

Сценарии применения

  • восстановление замаскированных слов в тексте
  • продолжение короткого текста
  • эксперименты с языковыми моделями на небольшом корпусе
  • сравнение маскированного и причинного языкового моделирования в BabyLM

Ограничения

Модель обучена на ограниченном корпусе BabyLM Strict-Small и имеет контекст 512 токенов. Для загрузки необходимы trust_remote_code=True и пакет entmax.

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

gpt-bert-entmax-graded

BabyLM 2026 Strict-Small submission (NTUA). A GPT-BERT hybrid language model: gpt_bert_mixed — hidden 384, 12 layers, 6 heads, alpha-entmax attention with per-layer alpha schedule [1.25, 1.25, 1.25, 1.25, 1.75, 1.75, 1.75, 1.75, 1.5, 1.5, 1.5, 1.5].

  • Training data: BabyLM-community/BabyLM-2026-Strict-Small (≤100M words, counting repeated exposures, per CfP §4.2). Uniform ~10 passes via bin-packing (each segment once per epoch).
  • Objective: mixed masked+causal LM (causal_prob 0.0625, masked-heavy). Evaluate with the mntp backend.
  • Intermediate checkpoints: available as branches chck_1M … chck_100M (words seen), per the BabyLM checkpoint convention.

Usage

from transformers import AutoTokenizer, AutoModelForMaskedLM
tok = AutoTokenizer.from_pretrained("JimK28/gpt-bert-entmax-graded", trust_remote_code=True)
model = AutoModelForMaskedLM.from_pretrained("JimK28/gpt-bert-entmax-graded", trust_remote_code=True)

Custom architecture — trust_remote_code=True is required (config auto_map points at modeling_gpt_bert). Requires pip install entmax (entmax attention). Trained with the NTUA BabyLM pipeline (https://github.com/emhadzi/BabyLM).

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
GPTBERTForCausalLM
Ревизия весов
376f25d

0 моделей