/ Модель

Характеристики

Контекст
512 токенов
Параметры
15,9 млн
Лицензия
Apache 2.0
Архитектура
deberta-v2 · dense
Библиотека
transformers
Опубликована
11 июн 2026

babylm-chinese-deberta-v2-14m-CL

Заполнение пропусковТекст → текст3 профессии

Компактная китайская DeBERTa-v2 заполняет пропуски в тексте и предназначена для экспериментов с языковым моделированием.

1 748скачиваний за 30 дней0лайковвеса обновлены16 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

LuRr/babylm-chinese-deberta-v2-14m-CL — компактная модель DeBERTa-v2 для предсказания замаскированных токенов. Её обучили с нуля для Chinese BabyLM Challenge 2026 на официальном корпусе Chinese BabyLM объёмом около 102 млн токенов, применив четырёхэтапное обучение с постепенным увеличением длины последовательностей.

Модель содержит 15,9 млн параметров по метаданным; в README указана оценка около 14,67 млн. Архитектура включает 12 слоёв, размер скрытого состояния 256 и 8 голов внимания. Для токенизации используется BertTokenizer с WordPiece и словарём из 12 800 токенов. Максимальная длина контекста — 512 токенов. Модель предназначена для китайского языка; в карточке приведены результаты на ZhoBLiMP, AFQMC и OCNLI.

Она подходит для экспериментов с языковым моделированием и оценки грамматических или семантических предпочтений китайского текста, а также для заполнения пропусков. Это небольшая исследовательская модель, и её результаты не гарантируют качества для широкого спектра прикладных сценариев. Лицензия — Apache-2.0.

Сценарии применения

  • предсказание пропущенных слов в китайском тексте
  • оценка грамматической приемлемости китайских предложений
  • эксперименты с моделями языка для китайского языка

Ограничения

Компактный размер и обучение на корпусе Chinese BabyLM ограничивают надёжность переноса на широкие прикладные задачи и другие языки. Контекст ограничен 512 токенами.

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

Chinese BabyLM - DeBERTa-V2 (14M)

Challenge: 2026 Chinese BabyLM Challenge

Model Description

DeBERTa-v2 masked LM (~14.67M params, 12L/256d/8h) with a custom BertTokenizer (WordPiece, vocab 12,800). Trained from scratch for 30 epochs on the official 100M Chinese BabyLM corpus using a physical 4-stage Curriculum Learning strategy.

Model Architecture & Configuration

This model is designed to squeeze the maximum cognitive capacity out of a small parameter budget:

  • Architecture: DeBERTa-v2 (Masked Language Modeling)
  • Total Parameters: 14,674,688 (~14.67M)
  • Number of Layers: 12
  • Hidden Size: 256
  • Attention Heads: 8
  • Max Sequence Length: 512

Tokenizer

  • Tokenizer Class: BertTokenizer
  • Algorithm: WordPiece
  • Vocab Size: 12,800
  • Note: Manual modification was performed on the trained tokenizer to ensure correct tokenization of Chinese punctuation (e.g., ,).

Training Data & Strategy

  • Hardware: NVIDIA RTX 5090 GPU (used for both training and evaluation).
  • Dataset: Official Chinese BabyLM corpus (102M).
  • Curriculum Learning: We computed the exact token length for every sequence and physically split the dataset into four progressive cognitive levels:
    1. Easy (Length <= 32): Trained for 2 Epochs.
    2. Medium (Length <= 64): Trained for 3 Epochs.
    3. Hard (Length <= 128): Trained for 5 Epochs.
    4. Full Contexts (Max Length 512): Final sprint trained for 20 Epochs.
  • Hyperparameters:
    • Total Epochs: 30
    • Peak Learning Rate: 5e-4
    • Batch Size: 32 (with Gradient Accumulation steps = 4)
    • Precision: Full Precision (FP32)
    • Optimizer: AdamW (weight_decay=0.01)

Evaluation Results

Below are the official benchmark results for this 14.67M model:

TaskScore
ZhoBLiMP75.23
AFQMC71.11
OCNLI68.00
CLUEWSC202064.14
XComps-zh57.85
TNEWS54.69
Diagnostic NLI54.48
C342.45
Hanzi Structure61.00
Hanzi Structure (Hidden)60.25
Hanzi Pinyin51.40
Hanzi Pinyin (Hidden)50.20
Word fMRI56.02
fMRI10.55

Usage

from transformers import AutoTokenizer, AutoModelForMaskedLM

# Load the custom WordPiece tokenizer
tokenizer = AutoTokenizer.from_pretrained("LuRr/babylm-chinese-deberta-v2-14m-CL")

# Load the DeBERTa-v2 model
model = AutoModelForMaskedLM.from_pretrained("LuRr/babylm-chinese-deberta-v2-14m-CL")

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
DebertaV2ForMaskedLM
Ревизия весов
168984f

0 моделей