/ Модель

Характеристики

Контекст
8 192 токена
Параметры
135 млн
Лицензия
MIT
Архитектура
modernbert · dense
Библиотека
transformers
Опубликована
11 апр 2025

moderncamembert-cv2-base

Заполнение пропусковТекст → текст3 профессии

Франкоязычная модель ModernBERT для предсказания замаскированных токенов и работы с текстом длиной до 8192 токенов.

362скачиваний за 30 дней4лайкавеса обновлены25 ноя 2025

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

almanach/moderncamembert-cv2-base — франкоязычная модель семейства ModernBERT, разработанная Almanach. Это версия ModernCamemBERT, обученная на корпусах, использованных для CamemBERTaV2: RedPajama-V2, научных документах HALvest и французской Википедии. Модель содержит 135,5 млн параметров, использует архитектуру ModernBERT и токенизатор CamemBERTav2; длина контекста составляет до 8192 токенов. Она обучена предсказывать замаскированные токены и подходит для заполнения пропусков в тексте, а также как основа для дообучения под другие задачи обработки французского языка.

Авторы рекомендуют её для сценариев, где важны длинный контекст и скорость вывода. В сравнении с CamemBERTaV2 ModernBERT предлагает архитектурные улучшения и более быстрое обучение и выполнение, но по приведённым результатам уступает предыдущей модели по эффективности использования данных и большинству бенчмарков. Модель распространяется по лицензии MIT.

Сценарии применения

  • подстановка пропущенных слов во французском тексте
  • оценка вероятных продолжений французского предложения
  • дообучение модели для задач обработки французского языка
  • обработка длинных французских документов

Ограничения

По результатам карточки модель уступает CamemBERTaV2 по эффективности использования данных и большинству бенчмарков; для многих задач авторы рекомендуют CamemBERTaV2. Для задач, отличных от заполнения масок, может потребоваться дообучение.

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

ModernCamemBERT

ModernCamemBERT is a French language model pretrained on a large corpus of 1T tokens of High-Quality French text. It is the French version of the ModernBERT model. ModernCamemBERT was trained using the Masked Language Modeling (MLM) objective with 30% mask rate on 1T tokens on 48 H100 GPUs. The dataset used for training is a combination of French RedPajama-V2 filtered using heuristic and semantic filtering, French scientific documents from HALvest, and the French Wikipedia. Semantic filtering was done by fine-tuning a BERT classifier trained on a document quality dataset automatically labeled by LLama-3 70B. We also re-use the old CamemBERTav2 tokenizer. The model was first trained with 1024 context length which was then increased to 8192 tokens later in the pretraining. More details about the training process can be found in the ModernCamemBERT paper.

The goal of ModernCamemBERT was to run a controlled study by pretraining ModernBERT on the same dataset as CamemBERTaV2, a DeBERTaV3 French model, isolating the effect of model design. Our results show that the previous model generation remains superior in sample efficiency and overall benchmark performance, with ModernBERT’s primary advantage being faster training and inference speed. However, the new proposed model still provides meaningful architectural improvements compared to earlier models such as the BERT and RoBERTa CamemBERT/v2 model. Additionally, we observe that high-quality pre-training data accelerates convergence but does not significantly improve final performance, suggesting potential benchmark saturation.

We recommend using the ModernCamemBERT model for tasks that require a large context length or efficient inference speed. Other tasks should still use the CamemBERTaV2 model, which is still the best performing model on most benchmarks.

We release two versions of the model: almanach/moderncamembert-base and almanach/moderncamembert-cv2-base. The first version is the one trained on the new high-quality 1T token dataset, while the second one is the one trained on the old CamemBERTaV2 dataset. The two models are trained with the same architecture and hyperparameters.

How to use

from transformers import AutoTokenizer, AutoModel, AutoModelForMaskedLM

model = AutoModel.from_pretrained("almanach/moderncamembert-cv2-base")
tokenizer = AutoTokenizer.from_pretrained("almanach/moderncamembert-cv2-base")

Fine-tuning Results:

Datasets: NER (FTB), the FLUE benchmark (XNLI, CLS, PAWS-X), the French Question Answering Dataset (FQuAD), MTEB (French), MLDR (French).

ModelFTB-NERCLSPAWS-XXNLIF1 (FQuAD)EM (FQuAD)MTEB (Retrieval)MLDR (long range retrieval)
CamemBERT89.9794.6291.3681.9580.9862.51--
CamemBERTa90.3394.9291.6782.0081.1562.01--
CamemBERTv291.9995.0792.0081.7580.9861.3551.6728.37
CamemBERTav293.4095.6393.0684.8283.0464.2931.1500.91
ModernCamemBERT-CV292.1794.8692.7182.8581.6862.0048.7922.59
ModernCamemBERT91.3394.9292.5283.6282.1962.6649.2934.32

For MTEB and MLDR, the embeddings models were trained on the translated STS benchmark.

Finetuned models are available in the following collection: ModernCamembert Models

Pretraining Codebase

We use the pretraining codebase from the ModernBERT repository for all ModernCamemBERT models.

Citation

@misc{antoun2025modernbertdebertav3examiningarchitecture,
      title={ModernBERT or DeBERTaV3? Examining Architecture and Data Influence on Transformer Encoder Models Performance}, 
      author={Wissam Antoun and Benoît Sagot and Djamé Seddah},
      year={2025},
      eprint={2504.08716},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2504.08716}, 
}

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
17fa4f4

0 моделей