/ Модель

Характеристики

Контекст
1 024 токена
Параметры
110 млн
Лицензия
MIT
Архитектура
llama · dense
Библиотека
transformers
Опубликована
5 июн 2026

babylm-2026-multilingual-uniform-100M-v2

Генерация текстаТекст → текст3 профессии

Небольшая многоязычная модель Llama, обученная с нуля для генерации текста на английском, нидерландском и китайском языках и оценки в рамках BabyLM 2026.

32скачиваний за 30 дней0лайковвеса обновлены5 июн 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

Shamima/babylm-2026-multilingual-uniform-100M-v2 — базовая авторегрессионная языковая модель для генерации текста, созданная с нуля как трёхъязычный baseline для BabyLM 2026. Она обучена на корпусе BabyBabelLM 2026 с равным распределением эталонных токенов между английским, нидерландским и китайским языками; контрольная точка охватывает около одной эпохи на язык.

Модель использует плотную архитектуру LlamaForCausalLM: 12 слоёв, скрытый размер 768, 12 голов внимания и 2048 нейронов в FFN; всего 110,1 млн параметров. Применяются RoPE, RMSNorm, SwiGLU, связанные эмбеддинги и байтовый BPE-токенизатор на 32 768 токенов. Длина контекста — 1024 токена. Версия v2 обучена с расписанием Warmup-Stable-Decay и предназначена для сравнения с предыдущей версией и исследовательской оценки небольших многоязычных моделей.

Модель подходит для продолжения текста и экспериментов с генерацией на английском, нидерландском и китайском. Карточка указывает лицензию MIT. Небольшой размер и контекст ограничивают её способность работать с длинными текстами и сложными задачами; README описывает baseline и процедуру оценки, но не приводит итоговые метрики качества.

Сценарии применения

  • продолжение коротких текстов на английском
  • генерация текста на нидерландском языке
  • генерация текста на китайском языке
  • сравнение расписаний обучения малых языковых моделей
  • эксперименты с многоязычными моделями в условиях ограниченного объёма обучения

Ограничения

Контекст ограничен 1024 токенами, а размер модели составляет около 110 млн параметров, что ограничивает работу с длинными текстами и сложными задачами. README не приводит метрик качества модели.

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

BabyLM 2026 — MultiLingual track baseline v2 (byte-premium-uniform, WSD)

Iteration v2 of the byte-premium-uniform trilingual baseline. Same architecture, same tokenizer, same mixture as v1 (Shamima/babylm-2026-multilingual-uniform-100M), but trained with a Warmup-Stable-Decay schedule rather than cosine, on the same 100M ref-token budget at the same per-step compute. The motivation: v1's cosine schedule decayed to 10% of peak by ~90% through training while loss was still falling; WSD holds at peak and only decays in the last 25%, which lets more of the budget land at productive learning rates.

Architecture

  • Llama (HF LlamaForCausalLM) — RoPE, RMSNorm, SwiGLU, no biases, tied embeddings
  • 12 layers · 768 hidden · 12 heads · 2048 FFN
  • 1024 sequence length
  • 110,119,680 parameters
  • Tokenizer: joint byte-level BPE 32 768 (same as v1; reused so the two are directly comparable)

Training

  • Data: BabyBabelLM 2026 100M tier (EN/NL/ZH); full corpora loaded in memory and shuffled
  • Mixture: byte-premium-uniform via deficit-driven selection (1/3 of reference tokens per language)
  • Optimiser: AdamW (β1=0.9, β2=0.95, wd=0.1)
  • LR: 6e-4 peak, WSD schedule (warmup 200 → constant peak → linear 25% decay tail to 6e-5)
  • Compute: 4× NVIDIA A10G (23 GB), bf16, DDP, micro-batch 16 × grad-accum 2 (eff. batch 128 sequences = 131k tokens/step)
  • Tokens consumed at this checkpoint: 100,016,896 byte-premium-adjusted reference tokens (= 1 epoch over the corpus)
  • Per-language epochs at this checkpoint: ~1.0 each (well within the BabyLM ≤10-epoch cap)

Revisions

19 fast-eval branches: chck_1M, chck_2M, …, chck_9M, chck_10M, chck_20M, …, chck_90M, chck_100M. main is chck_100M.

How to evaluate

git clone https://github.com/babylm-org/babylm-eval
cd babylm-eval/multilingual
bash scripts/zeroshot_model.sh --model_name Shamima/babylm-2026-multilingual-uniform-100M-v2
bash scripts/zeroshot_model_fast_all.sh --model_name Shamima/babylm-2026-multilingual-uniform-100M-v2

Comparison vs v1

See https://github.com/silvererudite/bb-lm-challenge-sub for the iteration log, scaffold, and ablation configs.

Citation

@misc{babylm-2026-uniform-v2,
  title  = {BabyLM 2026 MultiLingual baseline v2 (WSD schedule)},
  author = {Hossain, Shamima},
  year   = {2026},
  url    = {https://huggingface.co/Shamima/babylm-2026-multilingual-uniform-100M-v2}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
cd02ad5

0 моделей