/ Модель

Характеристики

Контекст
512 токенов
Параметры
12 млн
Лицензия
MIT
Архитектура
bert · dense
Библиотека
transformers
Опубликована
18 июн 2026

babylm-2026-semantic-cloze-strict-small

Заполнение пропусковТекст → текст3 профессии

Компактная англоязычная BERT-модель предсказывает замаскированные слова и предназначена для оценки BabyLM и экспериментов с семантическим cloze.

21скачиваний за 30 дней0лайковвеса обновлены18 июн 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

Компактная BERT-модель для предсказания замаскированных слов, разработанная как финальный чекпойнт эксперимента multitask_ewok_semantic_cloze_v1 для BabyLM 2026 Strict-Small. Она обучена с нуля на корпусе BabyLM 2026 Strict-Small и предназначена прежде всего для оценки в shared task BabyLM 2026 и воспроизведения эксперимента по семантическому cloze, а не для общего языкового моделирования.

Модель имеет архитектуру BertForMaskedLM: 4 слоя, 4 головы внимания, скрытый размер 256 и около 12 млн параметров. Она предсказывает токен на позиции [MASK] и обучена на сочетании masked language modeling, обнаружения заменённых токенов, предсказания связок и синтетических заданий semantic cloze. Контекст по метаданным — до 512 токенов; README описывает обучение с максимальной длиной последовательности 128. Основной язык — английский; лицензия — MIT.

В локальной оценке экспериментальный вариант улучшил результат EWoK относительно базовой MLM-модели, но уступил лучшему чекпойнту на Entity Tracking. Это исследовательский чекпойнт с одним seed, поэтому результаты следует интерпретировать осторожно; официальные артефакты подачи в таблицу лидеров ещё не сформированы.

Сценарии применения

  • оценка предсказания пропущенных слов в английских предложениях
  • воспроизведение эксперимента semantic cloze для BabyLM
  • сравнение masked language models на тестах BabyLM
  • исследование семантических предпочтений при выборе слова для пропуска

Ограничения

Модель не предназначена для общего языкового моделирования. Это чекпойнт с одним seed и ограниченной локальной оценкой; результаты могут различаться по задачам, а артефакты официальной подачи в leaderboard ещё не подготовлены.

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 Strict-Small Semantic Cloze Multi-Task MLM

This is the final checkpoint from the multitask_ewok_semantic_cloze_v1 experiment for BabyLM 2026 Strict-Small.

The model is a compact BERT-style masked language model trained from scratch on the BabyLM 2026 Strict-Small corpus with a small set of auxiliary training tasks. The main added objective is an MLM-head semantic cloze ranking task: each cloze example contains a single [MASK], a good single-token completion, and a bad single-token completion. The model scores the good and bad completions with the standard MLM head.

Intended Use

This checkpoint is intended for BabyLM 2026 shared-task evaluation and for reproducing the accompanying multi-task semantic cloze experiment. It is not intended as a general-purpose language model.

Training Setup

  • Track: BabyLM 2026 Strict-Small
  • Training data: BabyLM-community/BabyLM-2026-Strict-Small
  • Tokenizer: bert-base-uncased
  • Architecture: compact BERT masked language model
  • Hidden size: 256
  • Layers: 4
  • Attention heads: 4
  • Intermediate size: 1024
  • Parameters: 11,201,338
  • Maximum sequence length: 128
  • Batch size: 96
  • Maximum steps: 10,000
  • Actual stopped step: 9,500
  • Learning rate: 5e-4
  • Weight decay: 0.01
  • Warmup fraction: 0.06
  • Precision: fp32
  • Seed: 1
  • Device used for training: NVIDIA RTX A6000

Early stopping monitored validation MLM loss with patience 2, minimum delta 0.01, and start-after step 9000.

Task Mixture

TaskSampling probability
MLM0.600
Replaced-token detection0.100
Connective prediction0.075
Definiteness prediction0.075
Collocation0.050
Grammar minimal pair0.050
Semantic cloze ranking0.050

The semantic cloze ranking loss is:

softplus(-(score_good - score_bad))

where score_good and score_bad are MLM log-probabilities at the masked position. No classifier head or CLS pooling is used for this objective.

The semantic cloze examples are synthetic, single-mask examples over affordance, animate agency, part-whole, physical-property, and typical-location templates. No official EWoK or BLiMP evaluation items were used to generate the auxiliary data.

Official Fast Evaluation Snapshot

These local official fast-eval scores are from the experiment records in the submission repository.

SystemBLiMPSupplementEWoKEntityEyeSPR
MLM baseline64.3354.0050.5515.562.472.42
BLiMP-pair repair best54.8051.6051.0027.548.023.05
Semantic cloze best54.1057.6050.7336.617.563.11
Semantic cloze final55.2654.4052.0027.448.183.71

The final checkpoint is the recommended checkpoint for EWoK-focused reporting. It improves EWoK over the MLM baseline in this local comparison, but trades off against the best-validation checkpoint on Entity Tracking.

Files

  • model.safetensors: MLM-compatible model weights
  • config.json: BERT model configuration
  • tokenizer.json, tokenizer_config.json: tokenizer files
  • training_config.yaml: training configuration
  • results_summary.json: local experiment summary

Caveats

This is a single-seed research checkpoint. The result should be presented cautiously: semantic cloze produced the best EWoK score in the isolated experiment series, while weight sweeps and relational cloze follow-ups did not improve the EWoK result further. Full official leaderboard submission artifacts still need to be generated with the BabyLM evaluation pipeline.

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
BertForMaskedLM
Ревизия весов
4530b3e

0 моделей